A classification tree to assist with routine scoring of the Clinical Frailty Scale
Notice bibliographique
Résumé
BACKGROUND: the Clinical Frailty Scale (CFS) was originally developed to summarise a Comprehensive Geriatric Assessment and yield a care plan. Especially since COVID-19, the CFS is being used widely by health care professionals without training in frailty care as a resource allocation tool and for care rationing. CFS scoring by inexperienced raters might not always reflect expert judgement. For these raters, we developed a new classification tree to assist with routine CFS scoring. Here, we test that tree against clinical scoring. OBJECTIVE/METHODS: we examined agreement between the CFS classification tree and CFS scoring by novice raters (clerks/residents), and the CFS classification tree and CFS scoring by experienced raters (geriatricians) in 115 older adults (mean age 78.0 ± 7.3; 47% females) from a single centre. RESULTS: the intraclass correlation coefficient (ICC) for the CFS classification tree was 0.833 (95% CI: 0.768-0.882) when compared with the geriatricians' CFS scoring. In 93%, the classification tree rating was the same or differed by at most one level with the expert geriatrician ratings. The ICC was 0.805 (0.685-0.883) when CFS scores from the classification tree were compared with the clerk/resident scores; 88.5% of the ratings were the same or ±1 level. CONCLUSIONS: a classification tree for scoring the CFS can help with reliable scoring by relatively inexperienced raters. Though an incomplete remedy, a classification tree is a useful support to decision-making and could be used to aid routine scoring of the CFS.
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 | 0,025 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».