A simple test‐based frailty index to predict survival among cancer patients with an unplanned hospitalization: An observational cohort study
Notice bibliographique
Résumé
BACKGROUND: Frailty is a state of increased vulnerability to stressors, and predicts risk of adverse outcomes, such as mortality. Frailty can be defined by a frailty index (FI) using an accumulation of deficits approach. An FI comprised of 20 items derived from our previously studied test-based frailty index (TBFI) and an additional 33 survey-based elements sourced from the standard CGA was developed to evaluate if predictive validity of survival was improved. METHODS: One hundred eighty-nine cancer patients during acute hospitalization were consented between September 2018 and May 2019. Frailty scores were calculated, and patients were categorized into four groups: non-frail (0-0.2), mildly frail (0.2-0.3), moderately frail (0.3-0.4), and severely frail (>0.4). Patients were followed for 1-year to assess FI and TBFI prediction of survival. Area under the curve (AUC) statistics from ROC analyses were compared for the FI versus TBFI. RESULTS: Increasing frailty was similarly associated with increased risk of mortality (HR, 4.5 [95% CI, 2.519-8.075] and HR, 4.1 [95%CI, 1.692-9.942]) and the likelihood of death at 6 months was about 11-fold (odds ratio, 10.9 [95% CI, 3.97-33.24]) and 9.73-fold (95% CI, 2.85-38.50) higher for severely frail patients compared to non-frail patients for FI and TBFI, respectively. This association was independent of age and type of cancer. The FI and TBFI were predictive of survival for older and younger cancer patients with no significant differences between models in discriminating survival (FI AUC, 0.747 [95% CI, 0.6772-0.8157] and TBFI AUC, 0.724 [95% CI, 0.6513-0.7957]). CONCLUSIONS: The TBFI was predictive of survival, and the addition of an in-person assessment (FI) did not greatly improve predictive validity. Increasing frailty, as measured by a TBFI, resulted in a meaningfully increased risk of mortality and may be well-suited for screening of hospitalized cancer 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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».