Accuracy of the life-space mobility measure for discriminating frailty and sarcopenia in older people
Notice bibliographique
Résumé
Abstract Objective To identify the profile of a sample of older people recruited at home based on a measure of life-space mobility and to establish the accuracy of the cut-off points of this instrument for discriminating between levels of frailty, frailty in walking speed and risk of sarcopenia. Method An observational methodological study of 391 participants aged ≥72 (80.4±4.6) years, who answered the Life-Space Assessment (LSA) and underwent frailty and risk of sarcopenia screening using the frailty phenotype and SARC-F measures, respectively, was performed. The cut-off points for frailty and risk of sarcopenia were determined using ROC (Receiver Operating Characteristic) curves and their respective 95% confidence intervals. Results Mean total LSA score was 53.6±21.8. The cut-off points with the best diagnostic accuracy for total LSA were ≤54 points for frailty in walking speed (AUC=0.645 95%; p<0.001) and ≤60 points for risk of sarcopenia (AUC=0.651 95%; p<0.001). Conclusion The ability of older people to move around life-space levels, as assessed by the LSA, proved a promising tool to screen for frailty in walking speed and risk of sarcopenia, thus contributing to the prevention of adverse outcomes.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».