Correlations, agreement and utility of frailty instruments in prevalent haemodialysis patients: baseline cohort data from the FITNESS study
Notice bibliographique
Résumé
BACKGROUND: Frailty is associated with poor outcomes for haemodialysis patients, but its prevalence is uncertain due to heterogeneous definitions. The aim of this study was to compare and contrast prevalence and features of commonly used frailty instruments in a British haemodialysis cohort. METHODS: The FITNESS (Frailty Intervention Trial iN End-Stage patientS on haemodialysis) study recruited adults aged ≥18 years after informed consent, with ≥3 months haemodialysis exposure and no hospital admission within 4 weeks unless for dialysis access. Study participants were clinically phenotyped with frailty instruments including the Frailty Index (FI), Frailty Phenotype (FP), Edmonton Frailty Scale (EFS) and Clinical Frailty Scale (CFS), alongside comprehensive baseline data collection of biochemical, clinical and social characteristics. RESULTS: Between 12 January 2018 and 18 April 2019, 485 haemodialysis patients were recruited. Baseline demographics were median age 63 years, male sex 58.6% and non-White ethnicity 42.1%. Prevalence of frailty was high; 41.9% of participants were frail by FP, 63.3% by FI, 50.2% by EFS and 53.8% by CFS. Female gender was associated with increased frailty, with no independent association observed with age or ethnicity. While correlation between frailty instruments was strong, intraclass correlation coefficient for frailty agreement was 0.628 (95% confidence interval 0.585-0.669) and only weak agreement between instrument pairs. CONCLUSION: Frailty is highly prevalent among haemodialysis patients regardless of criteria used. However, our data suggest caution when interpreting heterogenous definitions of frailty for haemodialysis patients as they are not interchangeable. Consensus agreement on the optimal frailty definition for haemodialysis patients must balance ease of use with predictive ability for adverse outcomes before determining clinical application.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».