Self-Rated Health Predicts Mortality in Very Old Men—the Manitoba Follow-Up Study
Notice bibliographique
Résumé
BACKGROUND: Self-rated health (SRH) predicts death, but there are few studies over long-time horizons that are able to explore the effect age may have on the relationship between SRH and mortality. OBJECTIVES: 1. To determine how SRH evolves over 20 years; and 2. To determine if SRH predicts death in very old men. METHODS: We analyzed a prospective cohort study of men who were fit for air crew training in the Second World War. In 1996, a regular questionnaire was administered to the 1,779 surviving participants. SRH was elicited with a 5-point Likert Scale with the categories: excellent, very good, good, fair and poor/bad. We examined the age-specific distribution of SRH in these categories from the age of 75 to 95 years, to the end of the follow-up period in 2018. We constructed age-specific Cox proportional hazard models with an outcome of time to death. RESULTS: SRH declined with age. The gradient in risk of death persisted across all ages; those with poor/fair/bad SRH had consistently higher mortality rates. However, the discrimination between good and excellent was less in those aged 85+. CONCLUSIONS: SRH declines with advancing age, but continues to predict death in older men.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».