Resilience is associated with frailty and older age in hospitalised patients
Notice bibliographique
Résumé
BACKGROUND: Little is known about resilience in an internal medicine setting. We aimed to assess the relationship between resilience and frailty and other clinical and sociodemographic characteristics in a cohort of prospectively enrolled hospitalised patients. METHODS: In 2017-2019, we consecutively enrolled patients in our internal medicine wards. We selected all patients who filled in the 25-item Connor-Davidson resilience scale (CD-RISC). Mean resilience was evaluated according to baseline demographic (i.e., age, sex, marital and socioeconomic status) and clinical (i.e., Cumulative Illness Rating Scale [CIRS], Edmonton Frail Scale [EFS], Barthel index, Short Blessed test, length of stay [LOS]) data. A multivariable analysis for assessing factors affecting resilience was fitted. RESULTS: Overall, 143 patients (median age 69 years, interquartile range 52-79, 74 females) were included. Resilience was significantly lower in frail (p = 0.010), elderly (p = 0.021), dependent (p = 0.032), and more clinically (p = 0.028) and cognitively compromised patients (p = 0.028), and in those with a low educational status (p = 0.032). No relation between resilience and LOS was noticed (p = 0.597). Frail patients were significantly older (p < 0.001), had a greater disease burden as measured by CIRS comorbidity (p < 0.001) and severity indexes (p < 0.001), were more dependent (p < 0.001), more cognitively impaired (p < 0.001), and displayed a lower educational level (p = 0.011) compared to non-frail patients. At multivariable analysis, frailty (p = 0.022) and dependency (p = 0.031; according to the Barthel index) were associated with lower resilience in the age groups 18-64 and ≥ 65 years, respectively. CONCLUSIONS: Low resilience was associated with frailty and dependency with an age-dependent fashion. Studies assessing the impact of this finding on important health outcomes are needed. TRIAL REGISTRATION: Clinical Complexity in Internal Medicine Wards. San MAtteo Complexity Study (SMAC); NCT03439410 . Registered 01/11/2017.
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 | 0,003 |
| 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 | 0,001 |
| 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 ».