An Easy-to-Implement Clinical-Trial Frailty Index Based on Accumulation of Deficits: Validation in Zoster Vaccine Clinical Trials
Notice bibliographique
Résumé
Purpose: Despite being among those most in need of protection, frail older adults are often not well represented in clinical trials. Although frailty likely influences responses to treatments and vaccines, frailty may not be explicitly considered in trials even when frail participants are enrolled due to the perception that frailty is difficult to measure effectively and efficiently without adding to participant or data collection burden. We developed an easy-to-implement frailty index, the Clinical Trial-Frailty Index (CT-FI), based on baseline medical history and standard patient-reported outcomes using data from clinical trials of recombinant Zoster vaccine (the ZOE-50 and ZOE-70 studies). Our objective was to demonstrate that the CT-FI is a robust measure that may be used retrospectively or prospectively in clinical trials where sufficient patient data have been collected. Methods: The CT-FI was based on baseline medical history and Quality of Life questionnaires (SF-36 and EQ-5D). Items meeting criteria for inclusion were scored from 0 to 1, then summed for each participant and divided by the total number of deficits considered. Validation analyses included descriptive verification of distribution and age- and sex-associations in relation to usual patterns of the frailty index, regressions in relation to outcomes hypothesized to be related to frailty, and resampling methods within the index. Results: The CT-FI distribution was well represented by a gamma distribution with a range of 0-0.70. Deficit accumulation increased with chronological age and was higher for females. Multivariate Cox regression survival analysis showed that the CT-FI, age, and sex were significant predictors of mortality. Jackknife and Bootstrap resampling methods highlighted the robustness of the CT-FI, which was not sensitive to inclusion/exclusion of specific individual or groups of variables. Conclusion: We have developed a reliable, robust and easy-to-implement CT-FI with potential retrospective or prospective application in other clinical trials.
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 | 0,050 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; 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 ».