Frailty screening in older adults: is annual screening necessary in primary care?
Notice bibliographique
Résumé
BACKGROUND: The Case-finding for Complex Chronic Conditions in Adults 75+ (C5-75) involves annual frailty screening in primary care using dual-trait screening measures of handgrip strength and gait speed, with additional screening for co-existing conditions in those deemed frail. OBJECTIVE: To identify low-risk individuals who could be screened for frailty every 2 years, rather than annually. METHODS: This study examined a prospective cohort of patients who completed at least two annual C5-75 screenings between April 2014 and December 2018. Handgrip strength and gait speed on initial assessment were categorized based on proximity to frailty thresholds and were used to predict frailty risk on the second assessment. We used Fisher's exact test to assess differences in risk. Logistic regression models tested associations between independent variables of age, patient activity level, falls history, grip strength and gait speed on first assessment and dependent variable of frailty on subsequent assessment. RESULTS: Analyses included 571 patients with two annual assessments. Frailty risk on the second assessment was significantly higher for patients who had gait speed or grip strength within 20% of the frailty threshold (5.7%), compared with the other categories (0.7%, 0.9%, 0%; P = 0.002); 60% of patients fell within these lower risk categories. Controlling for grip strength and gait speed, no other measures had significant associations with frailty risk. CONCLUSIONS: Our results demonstrate that 60% patients are at low risk (<1%) of transitioning to frailty by the next annual assessment. Reducing screening frequency from annually to every 2 years may be appropriate for these patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».