Acceleration of health deficit accumulation in late-life: evidence of terminal decline in frailty index three years before death in the US Health and Retirement Study
Notice bibliographique
Résumé
BACKGROUND: Little is known about within-person frailty index (FI) changes during the last years of life. In this study, we assess whether there is a phase of accelerated health deficit accumulation (terminal health decline) in late-life. MATERIAL AND METHODS: A total of 23,393 observations from up to the last 21 years of life of 5713 deceased participants of the AHEAD cohort in the Health and Retirement Study were assessed. A FI with 32 health deficits was calculated for up to 10 successive biannual, self- and proxy-reported assessments (1995-2014), and FI changes according to time-to-death were analyzed with a piecewise linear mixed model with random change points. RESULTS: The average normal (preterminal) health deficit accumulation rate was 0.01 per year, which increased to 0.05 per year at approximately 3 years before death. Terminal decline began earlier in women and was steeper among men. The accelerated (terminal) rate of health deficit accumulation began at a FI-value of 0.29 in the total sample, 0.27 for men, and 0.30 for women. CONCLUSION: We found evidence for an observable terminal health decline in the FI following declining physiological reserves and failing repair mechanisms. Our results suggest a conceptually meaningful cut-off value for the continuous FI around 0.30.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».