Prevalence of Frailty Among Hospitalized Older Adults in New Brunswick, Canada: an Administrative Data Population-Based Study
Notice bibliographique
Résumé
Background Characterizing the prevalence and distribution of frailty within a population can help guide decision-making and policy development by identifying health service resource needs. Here we describe the prevalence of frailty among hospitalized older adults in New Brunswick (NB), Canada. Methods NB administrative hospital claims data were used to identify hospitalized older adults aged 65 or older between April 1, 2017 and March 31, 2019. Frailty was quantified using the Hospital Frailty Risk Score (HFRS), a validated frailty tool derived from claims data. Individuals with a HFRS ranked as intermediate or high were categorized as frail. The distribution of frailty across sex and age are described. Crude prevalence estimates and corresponding 95% confidence intervals are presented. Results A total of 55,675 older adults (52% females) were hospitalized. The overall prevalence of frailty was 21.2% (95%CI: 20.9–21.6). Prevalence increased with age: 12.7% (95%CI: 12.3–13.1) in the 65–74 age group, 24.7% (95%CI: 24.1–25.3) in the 75–84 age group and 41.6% (95%CI: 40.6–42.7) for those aged 85 and over (p<.001). Discussion/Conclusion The distribution of frailty is in line with that reported in other jurisdictions. We demonstrate the feasibility of the HFRS to identify and characterize frailty in a large sample of older adults who were hospitalized, using administrative data.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».