Individual and population level impact of chronic conditions on functional disability in older adults
Notice bibliographique
Résumé
BACKGROUND: It is unknown if the relationship between multimorbidity and disability differs by combinations of chronic conditions. The objective of our study was to elucidate how joint effect of different combinations of chronic conditions impact the five year risk of functional disability at the population level. METHODS: Participants ≥65 years from the Canadian Study of Health and Aging were assessed for functional disability measured using activities of daily living (ADL) and instrumental ADL (IADL), and the presence of conditions in five disease domains; cardiometabolic, neurological, sensory, musculoskeletal, and respiratory. Logistic regression was used to assess the relationship between each disease domain and incident ADL and IADL measured at five years of follow up and population attributable risk (PAR) was modeled for diseases domains that were significantly associated with disability. Results were stratified by sex and age (65-74 years, ≥75 years). RESULTS: There were 6272 participants free of ADL disability and 4571 participants free from IADL disability at baseline. For incident ADL, the greatest PAR values were 21.3 (9.8-32.8) for the cardiometabolic domain in males 65-74 years, 22.7 (4.7-40.8) for the musculoskeletal domain for females aged 65-74 years, and 11.2 (2.8-19.7) for the musculoskeletal domain in males ≥75 years. The PAR for the musculoskeletal, sensory, and neurological domains were similar in females ≥75 years(9.3-9.9). PAR values were lower but followed similar patterns for IADL disability. CONCLUSION: The chronic disease domains which most strongly predicted incident ADLs and IADLs did not account for the greatest amount of disability at the population level.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».