Prevalence and implications of frailty in acute stroke: systematic review & meta-analysis
Notice bibliographique
Résumé
BACKGROUND: frailty is common in older adults and associated with poor outcomes following illness. Although stroke is predominantly a disease of older people, our knowledge of frailty in stroke is limited. We aimed to collate the literature on acute stroke and frailty to estimate the prevalence of pre-stroke frailty and its associations with outcomes. METHODS: paired researchers searched multidisciplinary electronic databases for papers describing frailty and acute stroke. We assessed risk of bias using Newcastle-Ottawa tools appropriate to study design. We created summary estimates of pre-stroke frailty using random effects models. We collated whether studies reported significant positive associations between frailty and clinical outcomes in adjusted models. RESULTS: we included 14 studies (n = 27,210 participants). Seven studies (n = 8,840) used a frailty index approach, four studies (n = 14,924) used Hospital Frailty Risk Scores. Pooled prevalence of pre-stroke frailty was 24.6% (95% confidence interval, CI: 16.2-33.1%; low quality evidence, downgraded due to heterogeneity, bias). Combining frailty and pre-frailty (nine studies, n = 23,827), prevalence of any frailty syndrome was 66.8% (95%CI: 49.9-83.7%). Seven studies were at risk of bias, from participant selection or method of frailty assessment. Pre-stroke frailty was associated with all adverse outcomes assessed, including longer-term mortality (positive association in 6 of 6 studies reporting this outcome; odds ratio: 3.75 [95%CI: 2.41-5.70]), length of admission (3 of 4 studies) and disability (4 of 6 studies). CONCLUSIONS: despite substantial heterogeneity, whichever way it is measured, frailty is common in patients presenting with acute stroke and associated with poor outcomes. This has implications for the design of stroke services and pathways.
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) | 0,006 | 0,001 |
| 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) | 0,000 | 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 ».