MétaCan
Menu
Retour à la cohorte
Enregistrement W2996624608 · doi:10.2147/cia.s225149

<p>Identification of Frailty and Its Risk Factors in Elderly Hospitalized Patients from Different Wards: A Cross-Sectional Study in China</p>

2019· article· en· W2996624608 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueClinical Interventions in Aging · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesWannan Medical CollegeChinese Academy of Medical SciencesTsinghua University
Mots-clésMedicineFrailty IndexInternal medicineLogistic regressionOdds ratioCross-sectional studyMultivariate analysisEmergency medicinePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To survey the difference of frailty prevalence in elderly inpatients amongdifferent wards; to compare the diagnostic performance of five frailty measurements (Clinical Frailty Scale [CFS], FRAIL, Fried, Edmonton, Frailty Index [FI]) in identifying frailty; and to explore the risk factors of frailty in elderly inpatients. PARTICIPANTS AND METHODS: This was a cross-sectional study including 1000 inpatients (mean age 75.2±6.7 years, 51.5% male; 542, 229, and 229 patients from cardiology, non-surgical, and surgical wards, respectively) in a tertiary hospital from September 2018 to February 2019. We applied the combined index to integrate the five frailty measurements mentioned above as the gold standard of frailty diagnosis. Multivariate logistic regression models were used to determine the independent risk factors of frailty. RESULTS: Frailty prevalence was 32.3% (Fried), 36.2% (CFS), 19.2% (FRAIL), 25.2% (Edmonton), 35.1% (FI) in all patients. The frailty was more common in non-surgical wards, regardless of the frailty assessment tools used (non-surgical wards: 27.5% to 51.5%; cardiology ward: 14.9% to 29.3%; surgical wards: 18.8% to 41.9%). CFS≥5 showed a sensitivity of 94.1% and a specificity of 85.2% for all patients. FI≥0.25 showed a sensitivity of 94.8% and a specificity of 87.0% for all patients. Age [odds ratio (OR) = 1.089, P<0.001], education level (OR = 0.782, P=0.001), heart rate (OR = 1.025, P<0.001), albumin (OR = 0.911, P=0.002), log D-dimer (OR = 2.940, P<0.001), ≥5 comorbidities (OR = 2.164, P=0.002), and ≥5 medications (OR = 2.819, P<0.001) were independently associated with frailty in all participants. CONCLUSION: Frailty is common among elderly inpatients, especially in non-surgical wards. CFS is a preferred screening tool and FI may be an optimal assessment tool. Old age, low educational level, fast heart rate, low albumin, high D-dimer, ≥5 comorbidities, and polypharmacy are independent risk factors of frailty in elderly hospitalized patients.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,407
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle