Multimorbidity patterns and quality of life across European populations: Results from SHARE database
Notice bibliographique
Résumé
Abstract An increasing number of people living with multimorbidity may receive suboptimal care since health systems are not well prepared to respond to their complex needs. Identifying which conditions most commonly group together could support better care for patients with multiple diseases. This is particularly critical for conditions that have the most deteriorating effect on quality of life (QoL). The aim of the study was to: 1) identify multimorbidity patterns in Europe and 2) assess their impact on QoL. This was a cross-sectional analysis performed on the Survey of Health, Ageing and Retirement in Europe (SHARE) among adults aged 50+, in eighteen countries (n = 67,179). The Control, Autonomy, Self-Realization and Pleasure (CASP-12v1) scale assessed QoL. Exploratory factor analysis (using 17 conditions) based on tetra-choric correlations, was applied to identify multimorbidity patterns. Associations between patterns and QoL were estimated with multilevel mixed-effects linear regression. The analyses were adjusted for socio-economic, clinical and psycho-social factors, and stratified by sex. Three multimorbidity patterns were found: 1) cardio-metabolic [frequency in men (27.7%); women (25.9%)], 2) psycho-geriatric [1.4%; 0.3%] and 3) mixed [11.7%; 17.4%]. Sample adequacy was confirmed by the Kaiser-Meyer-Olkin test [0.81; 0.84, for men and women, respectively]. The patterns showed slight sex differences. The frequency of all patterns increased with age, while patterns overlapped significantly in the population. The psycho-geriatric pattern had the most deteriorating effect on QoL [-4.5(95%CI:-6.2;-2.8) for men; -5.0(95%CI: -9.5; -0.5) for women]. Recognizing the most common disease patterns may allow more targeted planning and provision of care, including development of clinical guidelines, enhancing collaboration between health professionals, and creation of prevention plans to reduce complications and preserve the best QoL for patients with multimorbidity. Key messages First large population-based study on multimorbidity patterns and their impact on QoL across Europe, using SHARE database. The findings can serve to support better care for multimorbid 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».