Factors Associated with Attrition in a Longitudinal Cohort of Older Adults in the Community
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Retaining participants in longitudinal studies increases their power. We undertook this study in a population-based longitudinal cohort of adults with COPD to determine the factors associated with increased cohort attrition. Methods: In the longitudinal population-based Canadian Cohort of Obstructive Lung Disease (CanCOLD) study, 1561 adults > 40 years old were randomly recruited from 9 urban sites. Participants completed in-person visits at 18-month intervals and also were followed up every 3 months over the phone or by email. The cohort retention for the study and the reasons for attrition were analyzed. Hazard ratios and robust standard errors were calculated using Cox regression methods to explore the associations between participants who remained in the study and those who did not. Results: The median follow-up (years) of the study is 9.0 years. The overall mean retention was 77%. Reasons for attrition (23%) were: dropout by participant (39%), loss of contact (27%), investigator-initiated withdrawal (15%), deaths (9%), serious disease (9%), and relocation (2%). Factors independently associated with attrition were lower educational attainment, higher pack-year tobacco consumption, diagnosed cardiovascular disease, and a higher Hospital Anxiety and Depression Scale score: adjusted hazard ratios (95% confidence interval) were 1.43(1.11, 1.85); 1.01(1.00, 1.01); 1.44(1.13, 1.83); 1.06(1.02, 1.10) respectively. Conclusions: Identification and awareness of risk factors for attrition could direct targeted retention strategies in longitudinal studies. Moreover, the identification of patient characteristics associated with study dropout could address any potential bias introduced by differential dropouts.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle