Frailty among middle-aged and older Canadians: population norms for the frailty index using the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: frailty is a public health priority now that the global population is ageing at a rapid rate. A scientifically sound tool to measure frailty and generate population-based reference values is a starting point. OBJECTIVE: in this report, our objectives were to operationalize frailty as deficit accumulation using a standard frailty index (FI), describe levels of frailty in Canadians ≥45 years old and provide national normative data. DESIGN: this is a secondary analysis of the Canadian Longitudinal Study on Aging (CLSA) baseline data. SETTING/PARTICIPANTS: about 51,338 individuals (weighted to represent 13,232,651 Canadians), aged 45-85 years, from the tracking and comprehensive cohorts of CLSA. METHODS: after screening all available variables in the pooled dataset, 52 items were selected to construct an FI. Descriptive statistics for the FI and normative data derived from quantile regressions were developed. RESULTS: the average age of the participants was 60.3 years (95% confidence interval [CI]: 60.2-60.5), and 51.5% were female (95% CI: 50.8-52.2). The mean FI score was 0.07 (95% CI: 0.07-0.08) with a standard deviation of 0.06. Frailty was higher among females and with increasing age, and scores >0.2 were present in 4.2% of the sample. National normative data were identified for each year of age for males and females. CONCLUSIONS: the standardized frailty tool and the population-based normative frailty values can help inform discussions about frailty, setting a new bar in the field. Such information can be used by clinicians, researchers, stakeholders and the general public to understand frailty, especially its relationship with age and sex.
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 | 0,001 | 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 ».