Health Heterogeneity in Older Adults: Exploration in the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: A widely held dictum in aging research is that heterogeneity in health increases with age, but the basis for this claim has not been fully investigated. We examined heterogeneity at different ages across health characteristics to describe variation and trends; we investigated the comparative importance of between-age versus within-age heterogeneity. DESIGN: This was a cohort study. SETTING: Community-dwelling older adults. PARTICIPANTS: A total of 30,097 adults aged 45 to 86 years, from the Canadian Longitudinal Study on Aging, were included. MEASUREMENTS: Thirty-four health characteristics in eight domains (physical measures, vital signs, physiological measures, physical performance, function/disability, chronic conditions, frailty, laboratory values) were assessed cross-sectionally. We used regression models to examine heterogeneity in health characteristics (using absolute deviation) and domains (using effective variance) in relation to age. Comparison between between-age and within-age heterogeneity was quantified by estimating the age threshold at which the former exceeds the latter. RESULTS: Of the 34 health characteristics, 17 showed increased heterogeneity, 8 decreased, and 9 no association with age. The associations between heterogeneity and age increased generally but were nonlinear for most domains and nonmonotonic for some. We observed peak heterogeneity at approximately 70 years. Between-age heterogeneity, compared with within-age heterogeneity, was most important for forced expiratory volume in 1 second and grip strength but varied across characteristics. CONCLUSION: Overall health heterogeneity increases with age but does not uniformly increase across all variables and domains. Heterogeneity in aging reinforces the need for geriatric assessment and personalized care, depending on which health characteristics are assessed, their measurement properties, and their referent group. Our findings suggest further research to develop improved single-dimension and multidimensional instruments, as well as specific vital and laboratory reference ranges for older adults.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».