Exploring associations between multidimensional frailty and oral health in community‐dwelling older people. A pilot study
Notice bibliographique
Résumé
OBJECTIVE: To determine the associations between four validated multidimensional self-report frailty scales and nine indices of oral health in community-dwelling older persons. MATERIALS AND METHODS: This pilot study was conducted in a sample of 208 older persons aged 70 years and older who visited two dental practices in the Netherlands. Frailty status was measured by four different self-report frailty questionnaires: Tilburg Frailty Indicator (TFI), Groningen Frailty Indicator (GFI), Sunfrail Checklist (SC), and the Sherbrooke Postal Questionnaire (SPQ). Oral health was assessed by two calibrated examiners. RESULTS: The prevalence of frailty according to the four frailty measures TFI, GFI, SC, and SPQ was 32.8%, 31.5%, 24.5%, and 49.7%, respectively. The SC correlated with four oral health variables (DMFT, number of teeth, percentage of occlusal contacts, Plaque Index), the TFI with three (number of teeth, percentage of occlusal contacts, Plaque Index), the GFI only with DPSI, and the SPQ with the number of teeth and the number of occlusal contacts. CONCLUSION: Of the studied multidimensional frailty scales, the SC and TFI were correlated with most oral health variables (four and three, respectively). However, it should be noticed that these correlations were small. CLINICAL RELEVANCE: The SC and TFI might help to identify older people with risk of poor oral health so that preventive care can be used to ensure deterioration of oral health and maintenance of quality of life. Vice versa early detection of frailty by oral care professionals could contribute to interprofessional management of frailty.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».