Development and validation of a hospital frailty risk measure using Canadian clinical administrative data
Notice bibliographique
Résumé
BACKGROUND: Accessible measures specific to the Canadian context are needed to support health system planning for older adults living with frailty. We sought to develop and validate the Canadian Institute for Health Information (CIHI) Hospital Frailty Risk Measure (HFRM). METHODS: Using CIHI administrative data, we conducted a retrospective cohort study involving patients aged 65 years and older who were discharged from Canadian hospitals from Apr. 1, 2018, to Mar. 31, 2019. We used a 2-phase approach to develop and validate the CIHI HFRM. The first phase, construction of the measure, was based on the deficit accumulation approach (identification of age-related conditions using a 2-year look-back). The second phase involved refinement into 3 formats (continuous risk score, 8 risk groups and binary risk measure), with assessment of their predictive validity for several frailty-related adverse outcomes using data to 2019/20. We assessed convergent validity with the United Kingdom Hospital Frailty Risk Score. RESULTS: = 277 000) of the cohort were found at risk of frailty (≥ 6 deficits). The CIHI HFRM showed satisfactory predictive validity and reasonable goodness-of-fit. For the continuous risk score format (unit = 0.1), the hazard ratio (HR) for 1-year risk of death was 1.39 (95% confidence interval [CI] 1.38-1.41), with a C-statistic of 0.717 (95% CI 0.715-0.720); the odds ratio for high users of hospital beds was 1.85 (95% CI 1.82-1.88), with a C-statistic of 0.709 (95% CI 0.704-0.714), and the HR of 90-day admission to long-term care was 1.91 (95% CI 1.88-1.93), with a C-statistic of 0.810 (95% CI 0.808-0.813). Compared with the continuous risk score, using a format of 8 risk groups had similar discriminatory ability and the binary risk measure had slightly weaker performance. INTERPRETATION: The CIHI HFRM is a valid tool showing good discriminatory power for several adverse outcomes. The tool can be used by decision-makers and researchers by providing information on hospital-level prevalence of frailty to support system-level capacity planning for Canada's aging population.
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 | 0,039 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».