Development of a Frailty Index from Routine Hospital Data in Perioperative and Critical Care
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Frailty is common in surgical and intensive care unit (ICU) populations, yet it is not routinely measured. Frailty indices are able to quantify this condition across a range of health deficits. We aimed to develop a frailty index (FI) from routinely collected hospital data in a surgical and ICU population. DESIGN: Prospective observational single-center cohort study. SETTING: Tertiary referral metropolitan Australian hospital. PARTICIPANTS: A total of 336 individuals aged 65 and older undergoing surgery or aged 50 and older admitted to the ICU. MEASUREMENTS: Routine admission health data were used to derive an FI comprising 36 health deficits. We examined the FI correlation with existing frailty tools (Clinical Frailty Scale [CFS] and Edmonton Frail Scale [EFS]) and assessed its predictive ability for negative outcomes including 30-day mortality. RESULTS: Median FI was .17 (interquartile range [IQR]) = .10-.24) for ICU patients and .17 (IQR = .11-.25) for surgical patients; maximum FI was .58, and 25% (95% confidence interval [CI] = 10.4-29.6) of patients overall were diagnosed with frailty (FI score ≥.25). Correlation was strong between the FI and the EFS: ρ = .76 (95% CI = .70-.83) for ICU patients and .71 (95% CI = .64-.78) for surgical patients, and the CFS was .77 (95% CI = .70-.84) for ICU patients and .72 (95% CI = .65-.79) for surgical patients. The FI had good discriminative ability for prediction of 30-day mortality in ICU patients (multivariate odds ratio for each increase in FI of .1 = 2.04 [95% CI = 1.19-3.48]), comparable with the performance of the Acute Physiology and Chronic Health Evaluation III score (ICU patients) and the Portsmouth Physiological and Operative Severity Score for the Enumeration of Mortality and Morbidity score (surgical patients). CONCLUSION: It is feasible to construct an FI from hospital admission data in a cohort of critically ill and surgical 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».