Assessment of frailty and outcome of an ethnogeriatric population in periurban slums of Delhi, India – An interventional strategy in a primary health care setting
Notice bibliographique
Résumé
INTRODUCTION: The burden of frailty and aging will have a profound impact on the economy along with the deteriorating clinical condition of the olds. AIM: This study aim was to assess frailty of an ethnogeriatric cohort and associate it with domains of quality of life in Delhi along with a follow-up outcome assessment. METHOD: Edmonton frail scale on an ethnogeriatric cohort of 200 individuals in periurban slums of Delhi was used and associated with quality of life, calculated by the WHO-BREF -QOL questionnaire. An interventional strategy for healthy aging was adopted, and a follow-up outcome assessment was done to look out for mortality or morbidity. RESULT: There were 37% frail with a mean score of 60 and 25% prefrails beyond 60 years with a significant increase in frailty with age. Females, single, working, and illiterate elderly were frailer as compared to their counterparts. Social domain followed by psychological domain of the QOL had least scores in the frail elderly. Olds, away from their place of origin were 25 times more likely to be frail and had lesser family integration, assessed by regression analysis. Nearly 6% died, with 21% of hospital readmissions after a 6-month follow-up. DISCUSSION: An earlier start of assessment would give us more time to react and respond and be pro-active for healthy aging besides taking into consideration the diverse ethnography in our country. CONCLUSION: Cross-cultural variations need the physicians to address the health care disparities and language barriers so as to make interventions more convenient.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».