MétaCan
Menu
Retour à la cohorte
Enregistrement W4378349235 · doi:10.1177/10998004231179485

Frailty and Polypharmacy in Primary Care

2023· article· en· W4378349235 sur OpenAlexaboutno aff
Baki Derhem, Süleyman Özsarı

Notice bibliographique

RevueBiological Research For Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolypharmacyMedicineMarital statusCross-sectional studyGeriatricsGerontologyEmergency medicineIntensive care medicinePsychiatryPopulationEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Introduction The Clinical Frailty Scale (CFS) is a clinical judgement-based frailty tool developed from the Canadian Study of Health and Aging. Many studies on the measurement of frailty and its effect on clinical outcomes have been conducted on patients hospitalized, especially in intensive care units. The purpose of this study is to examine the relationship between polypharmacy and frailty on outpatient older adult patients in primary care. Materials and Method This cross-sectional study included 298 patients who were aged ≥65 years and admitted to Yenimahalle Family Health Center between May-2022 and July-2022. Frailty was evaluated by using CFS. Polypharmacy was defined as five medications or more and “excessive polypharmacy” as 10 medications or more. The medications below five are grouped as “no polypharmacy”. Results There was a statistically significance between age groups, gender, smoking status, marital status, polypharmacy status, and FS ( p = .003 and η 2 : .20; p < .001 and Cohen d: .80; p = .018 and Cohen d: .35; p < .001 and Cohen d: 1.10 and p < .001 and η 2 : 1.45 respectively). A strong, positive correlation was found between polypharmacy and the frailty score. Conclusion Polypharmacy, especially excessive polypharmacy, may be a promising adjunct to frailty in identifying older patients whose health is more likely to worsen. Providers in primary care should also consider frailty when prescribing drugs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,714
Tête enseignante GPT0,617
Écart entre enseignants0,097 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiological Research For NursingMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207