Prevalence, overlap, and interrelationships of physical, cognitive, psychological, and social frailty among community-dwelling older people in Japan
Notice bibliographique
Résumé
Background The aim of this study is to explore the prevalence and overlap of physical, cognitive, psychological, and social frailty and their negative-interrelationships. Methods We conducted a survey of people aged ≥75 years in the region with the oldest population in Japan. Frailty was divided into physical, cognitive, psychological, and social frailty, which were evaluated with the Japanese version of the Cardiovascular Health Study (J-CHS) criteria, J-CHS and the Japanese version of the Montreal Cognitive Assessment, the Geriatric Depression Scale-15 and the Lubben Social Network Scale, respectively. Results Of the 268 participants (aged 81.5 ± 4.5 years), 48.1% and 8.6% had physical prefrailty and frailty; 68.3%, 13.0%, and 5.2% had mild cognitive impairment, dementia, and cognitive frailty; 25.7% and 5.2% had depressive mood and depression as psychological frailty; and 7.8% had social frailty, respectively. Path analysis showed that social frailty was associated with psychological frailty. Psychological frailty was associated with physical frailty. Physical frailty was associated with cognitive frailty. Multiple logistic regression analysis showed that independent determinants of physical robustness were female sex, age, and psychological robustness (odds ratio (OR) = 2.166, 0.831, 3.625, respectively). Determinants of cognitive robustness were age and psychological robustness (OR = 0.837, 7.079). Determinants of psychological robustness were physical, cognitive, and social robustness (OR = 3.759, 6.829, 5.037), and the determinant of social robustness was psychological robustness (OR = 4.489), respectively. Conclusions We demonstrated the prevalence, overlap, and interrelationships of different types of frailty and clarified the factors that may help to reduce 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 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».