Frailty prevalence in Aotearoa New Zealand haemodialysis patients and its association with hospitalisations.
Notice bibliographique
Résumé
AIMS: To use two frailty tools to assess frailty prevalence in a cohort of Aotearoa New Zealand haemodialysis (HD) patients and determine factors associated with frailty and frailty's association with adverse health outcomes. METHODS: Frailty was measured using the Fried score and Edmonton Frail Scale (EFS) in HD patients dialysing at dependent or satellite clinic sites in Waitematā District Health Board, Auckland. Linear regression models were used to explore factors associated with frailty measurements. Logistic regression models were used to assess associations between frailty and mortality and hospitalisations. RESULTS: 138 participants. Mean (SD) age: 61.5 (13.5) years. 70 females (51%). 51 (37%) were frail by Fried score. 51 (37%) were frail by EFS (overlap of 32 participants). Age, marital status, smoking status and albumin were independently associated with both measures of frailty. Medication number was additionally associated with Fried score. Pacific ethnicity and Charlson Comorbidity Index were associated with EFS score. After adjusting for covariables, only Fried frailty was associated with hospitalisations at six months. CONCLUSIONS: Pacific ethnicity was independently associated with increased risk of EFS frailty. Fried frailty was associated with hospitalisations at six months. Given the paucity of literature on the New Zealand population, further work within these ethnic groups is warranted.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».