The role of illness acuity on the association between frailty and mortality in emergency department patients referred to internal medicine
Notice bibliographique
Résumé
BACKGROUND: we investigated whether two frailty tools predicted mortality among emergency department (ED) patients referred to internal medicine and how the level of illness acuity influenced any association between frailty and mortality. METHODS: two tools, embedded in a Comprehensive Geriatric Assessment (CGA), were the clinical frailty scale (CFS) and a 57-item deficit accumulation frailty index (FI-CGA). Illness acuity was assessed using the Canadian Triage and Acuity Scale (CTAS). We examined all-cause 30-day and 6-month mortality and time to death. RESULTS: in 808 ED patients (mean age ± SD 80.8 ± 8.8, 54.4% female), the mean FI-CGA score was 0.44 ± 0.14, and the CFS was 5.6 ± 1.6. A minority (307; 38%) were classified as having high acuity (CTAS: 1-2). The 30-day mortality rate was 17%; this increased to 34% at 6 months. Compared to well patients with low acuity, the risk of 30-day mortality was 22.5 times (95% CI: 9.35-62.12) higher for severely frail patients with high acuity; 53% of people with very severe frailty (CFS = 8) and high acuity died within 30 days. When acuity was low, the risk for 30-day mortality was significantly higher only among those with very high levels of frailty (CFS 7-9, FI-CGA > 0.5). When acuity was high, even lower levels of frailty (CFS 5-6, FI-CGA 0.4-0.5) were associated with higher 30-day mortality. CONCLUSIONS: across levels of frailty, higher acuity increased mortality risk. When acuity was low, the risk was significant only when the degree of frailty was high, whereas when acuity was high, even lower levels of frailty were associated with greater mortality risk.
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 | 0,001 |
| 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) | 0,000 | 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 ».