Concurrent Validity of Pictorial Fit-Frail Scale (PFFS) in Older Adult Male Veterans with Different Levels of Health Literacy
Notice bibliographique
Résumé
Introduction: Frailty is a state of vulnerability characterized by multisystemic physiological decline. The Pictorial Fit Frail Scale (PFFS) is a practical, image-based assessment that may facilitate the assessment of frailty in individuals with inadequate health literacy (HL). Objective: Determine the concurrent validity and feasibility of the PFFS in older Veterans with different levels of HL and cognition. Methods: Cross-sectional study in a geriatric clinic at a Veteran Health Administration (VHA) medical center. Veterans ≥65 years old completed a HL evaluation, PFFS, FRAIL scale and cognitive screening. We assessed the associations between PFFS, FRAIL scale, and VA-Frailty Index (VA-FI), and compared PFFS and FRAIL scale accuracy with a Receiver Operating Characteristic curve, Area Under the Curve (AUC) analysis, using the VA-FI as reference. Results: Eighty-three Veterans, mean age 76.20 ( SD = 6.02) years, 65.1% Caucasian, 69.9% had inadequate HL, 57.8% were frail and 20.5% had cognitive impairment. All participants completed the 43 PFFS items. There were positive correlations between PFFS and VA-FI, r = .55 (95% CI: 0.365–0.735, p < .001), and FRAIL scale, r = .673 (95% CI: 0.509–0.836, p < .001). Compared to the VA-FI, the PFFS (AUC = 0.737; 95% CI: 0.629–0.844) and FRAIL scale (AUC = 0.724;95% CI: 0.615–0.824; p < .001) showed satisfactory diagnostic accuracy. Conclusions: The PFFS is valid and feasible in evaluating frailty in older Veterans with different levels of HL and cognition.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».