MétaCan
Menu
Retour à la cohorte
Enregistrement W3137441763 · doi:10.1093/ageing/afab030.93

132 Physical Function Comparison of Acutely Unwell COVID-Negative Older Adults Pre-Pandemic and Through-Pandemic; “Covid-Protected”

2021· article· en· W3137441763 sur OpenAlexaff
S. Ritchie, C. Snape, N. Triteos, R. Vamadevan, L Olesk, C.-A. Wood, Gareth Jones, J. Jones

Notice bibliographique

RevueAge and Ageing · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Isolation (microbiology)Social isolationDemographyGerontologyInternal medicinePsychiatryDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The risk of severe morbidity after COVID-19 infection is high in older adults (Lithander et al, 2020). Subsequent responsive UK Government guidance for older adults included self-isolation during the pandemic. It is therefore hypothesised that during the pandemic older adults are inadvertently deconditioned due to iatrogenic factors such as inactivity, social isolation, hospital-avoidance and malnutrition, and present with reduced resilience to illness and lower levels of function. The OPU continued to admit COVID-negative, or recently termed “COVID-protected”, patients throughout the pandemic. Data captured prior to, and during the COVID-19 pandemic has been compared to explore the implications on older adults, and elicit whether they are protected from the consequences of the pandemic? Method Demographic and physical function data (average 6 m gait-speed, Elderly Mobility Scale) were captured pre- and through-pandemic for all patients admitted to a COVID-negative OPU ward over a one month period. Ethical review was provided through local Trust governance process. Results Pre-pandemic 2019 (n = 67, mean(±SD) age 82.7(±8.2) years, 61%, hospital length-of-stay (LOS) 7.9(±7.3) days, hospital mortality-rate 7.2%) and through-pandemic 2020 (n = 73, 83.1(±8.3) years, 59%♀, LOS 9.0(±9.1) days, hospital mortality-rate 7.5%) data were captured during July 2019 and May 2020 respectively. There were no between-group differences in age [t(−.313) = 138, p = 0.755], gender [X2, 1 df, p = 0.782], LOS [t(0.78) = 134, p = 0.44], or hospital mortality-rate [X2 1 df, p = 0.96]. Through-pandemic patients had a significantly slower 6 m gait-speed (0.11(±0.05) m.s-1) than pre-pandemic (0.16(±0.24) m.s-1); [t(2.74) = 93, p = 0.007] and lower median (IQR) Elderly Mobility Scale (4(6 IQR) vs 9 (12 IQR) [u = 866, p = 0.015]). Conclusion Our data indicates this relatively short period of self-isolation might have significant implications on the physical function of older adults. The likely mechanism is iatrogenic deconditioning. Critical Public Health and policy responses are required to mitigate these unforeseen risks by deploying prehabilitative counter-measures and accurately targeted hospital and community rehabilitation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,331
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAge and AgeingMême sujetLong-Term Effects of COVID-19Travaux en français237 207