PRÉ-FRAGILIDADE EM PESSOAS IDOSAS: PREVALÊNCIA E FATORES ASSOCIADOS
Notice bibliographique
Résumé
RESUMO Objetivo: analisar a prevalência da pré-fragilidade em pessoas idosas residentes na comunidade e os fatores associados. Método: estudo transversal, realizado com 291 idosos cadastrados em unidades de Estratégia Saúde da Família. A pré-fragilidade foi mensurada por meio da Edmonton Frail Scale; e as demais variáveis, com instrumentos diversos. Os dados foram coletados no período de junho a agosto de 2018. A análise dos dados ocorreu por meio dos testes qui-quadrado de Mantel Haenszel, teste de Fisher e regressão multivariada de Poisson. Resultados: a prevalência de pré-fragilidade foi de 69,42% (IC 95%; 63,77%-74,66%). Os fatores associados à pré-fragilidade foram: baixa escolaridade (RP=1,37; IC 95%: 1,11-1,71), dependência para as atividades básicas (RP=1,39; IC 95%: 1,22-1,59) e instrumentais de vida diária (RP=1,58; IC 95%: 1,40-1,78), humor depressivo (RP=1,53; IC 95%: 1,31-1,78), autoavaliação negativa de saúde (RP=1,39; IC 95%: 1,15-1,69), polifarmácia (RP=1,30; IC 95%: 1,13-1,50) e risco nutricional (RP=1,27; IC 95%: 1,09-1,46). Conclusão: a prevalência da pré-fragilidade foi acima da encontrada em outros estudos que utilizaram o mesmo instrumento, e as variáveis associadas a esse desfecho demonstraram a existência de um fenômeno comum entre as pessoas idosas. São resultados importantes, pois evidenciam a necessidade de investimento em pesquisas e intervenções preventivas sobre as condições clínicas, funcionais e sociais dessa população. Além disso, é preciso investir em programas de capacitação profissional para o atendimento integral da pessoa idosa, sobretudo no que se refere à avaliação e prevenção da fragilidade.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».