Physical Frailty and Its Associated Factors Among Elderly Nursing Home Residents in China
Notice bibliographique
Résumé
Abstract Background: Evidence is scarce on the trend in prevalence of physical frailty in China; the primary purpose of this study was to identify the prevalence and correlates of physical frailty among older nursing home residents in China.Methods: Cross-sectional study in 20 nursing homes in Changsha, China. Physical frailty was defined based on the frailty phenotype including weight loss, low grip strength, exhaustion, slow gait speed, and low physical activity. Participants with at least three affected criteria were defined as being frail. Participants with one or two affected criteria were considered as pre-frail, and those with no affected criteria were considered as robust. A total of 1004 nursing home residents aged 60 and over were included in this study. A multinomial logistic regression model was used to analyze the associations of physical frailty with its potential risk factors, including age, sex, education levels, marital status, type of institution, living status, current drinking, current smoking, regular exercise, and self-reported health.Results: The overall prevalence of physical frailty and prefrailty was 55.6%, and 38.5%, respectively. The rate of physical frailty substantially increased with age, and was higher in women than in men (69.5% vs. 30.5%). The multinomial logistic regression analysis showed that older age, being women, living in a private institution, living alone or with unknown person, having no regular exercise (≤ 2 times/week), and poor self-reported health were significantly associated with increased odds of being physically frail. Conclusion: We demonstrated physical frailty is highly prevalent among older residents in nursing homes in China, especially in women. The potential role of those associated factors of physical frailty warrant further investigations to explore their clinical application among elderly nursing home residents.
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 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».