IDDF2022-ABS-0272 Prevalence of frailty in cirrhotic- a observational study
Notice bibliographique
Résumé
Background Frailty is increasingly recognized as a major prognostic factor in cirrhosis. Its assessment and intervention towards performance improvement is an important step in the management of liver cirrhosis. In this study, we aimed to assess the prevalence of frailty in patients with liver cirrhosis in the tertiary care center. Methods 93 patients were enrolled in this observational cohort study. Frailty assessment was done using compares Fried frailty index (FFI), Clinical frailty index (CFI), Short physical performance battery (SPPB), Edmonton frail scale (EFS), Liver Frailty Index (LFI), ECOG, Karnofsky performance scale (KPS) & Instrumental activity of daily living. The primary outcome was prevalence of frailty in cirrhotic patients, then its prevalence in different subgroups according to Etiology, CTP score & MELD. Results 73(81.1%) males and 13 (18.9%) females with a mean age of 43.89± 9.67 years were included. The most common cause of cirrhosis was alcoholic liver disease (47.7%) followed by hepatitis B (14.1%) and Hepatitis (7.8%). The prevalence of frailty based on LFI (46.67%), KPS (35.55%), FFI (38.9%), CFI (38.90%), SPPB (47.80%), EFI (31.20%), IDAL (31.10%), ECOG (36.70%). There was no significant difference in prevalence among different indexes (P value >0.05). Conclusions The prevalence of frailty based on LFI is 46.67%. LFI, KPS, FFI, CFI, SPPB, EFI, IDAL, ECOG are comparable in frailty assessment in patients with cirrhosis.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».