A CROSSWALK OF COMMONLY USED FRAILTY SCALES
Notice bibliographique
Résumé
Abstract Several validated scales have been developed to measure frailty, yet it remains unknown how these measures are related. We used data from 7,070 community-dwelling older adults who participated in National Health and Aging Trend Study round 5 to construct a crosswalk among frailty measures. We operationalized the 60-item Frailty Index (FI), Study of Osteoporotic Fracture (SOF) Index, FRAIL Scale, Frailty Phenotype, Clinical Frailty Scale (CFS), Vulnerable Elder Survey-13 (VES-13), Tilburg Frailty Indicator (TFI), Groningen Frailty Indicator (GFI), and Edmonton Frailty Scale (EFS). Missing data, needed for the calculation of frailty scores, were imputed using multiple imputation by chained equations method. We then linked the scores of each frailty measure to FI using the equipercentile method, a statistical procedure that links different scales by equating percentile distributions. Participants considered frail on FI (cutpoint of 0.25) corresponded to the following scores on each frailty measure: SOF 1.3, FRAIL 1.7, Phenotype 1.7, CFS 5.3, VES-13 5.5, TFI 4.4, GFI 4.4, and EFS 5.8. Conversely, individuals considered frail on each frailty measure corresponded to the following FI scores: 0.37 (SOF), 0.40 (FRAIL), 0.42 (Phenotype), 0.21 (CFS), 0.19 (VES-13), 0.28 (TFI), 0.22 (GFI), and 0.37 (EFS). The CFS, VES-13, TFI and GFI each discriminates between non-frail and frail people in the pre- to mildly frail spectrum on the FI, whereas the SOF, FRAIL Scale, Phenotype, and EFS detect those in the higher frailty spectrum on the FI. Our results provide clinicians and researchers with a useful tool to convert and interpret frailty across scales.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».