Development of a Frailty Ladder Using Rasch Analysis: If the Shoe Fits
Notice bibliographique
Résumé
Background: The current measurement approach to frailty is to create an index of frailty status, rather than measure it. The purpose of this study is to test the extent to which a set of items identified within the frailty concept fit a hierarchical linear model (e.g., Rasch model) and form a true measure reflective of the frailty construct. Methods: A sample was assembled from three sources: community organization for at-risk seniors (n=141); colorectal surgery group assessed post-surgery (n=47); and hip fracture assessed post-rehabilitation (n=46). The 234 individuals (age 57 to 97) contributed 348 measurements. The frailty construct was defined according to the named domains within commonly used frailty indices, and items drawn to reflect the frailty came from self-report measures. Performance tests were tested for the extent to which they fit the Rasch model. Results: Of the 68 items, 29 fit the Rasch model: 19 self-report items on physical function and 10 performance tests, including one for cognition; patient reports of pain, fatigue, mood, and health did not fit; nor did body mass index (BMI) nor any item representing participation. Conclusion: Items that are typically identified as reflecting the frailty concept fit the Rasch model. The Frailty Ladder would be an efficient and statistically robust way of combining results of different tests into one outcome measure. It would also be a way of identifying which outcomes to target in a personalized intervention. The rungs of the ladder, the hierarchy, could be used to guide treatment goals.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».