A crosswalk of commonly used frailty scales
Notice bibliographique
Résumé
BACKGROUND: Several validated scales have been developed to measure frailty, yet the direct relationship between these measures and their scores remains unknown. To bridge this gap, we created a crosswalk of the most commonly used frailty scales. METHODS: We used data from 7070 community-dwelling older adults who participated in National Health and Aging Trends Study (NHATS) Round 5 to construct a crosswalk among frailty scales. We operationalized the Study of Osteoporotic Fracture Index (SOF), FRAIL Scale, Frailty Phenotype, Clinical Frailty Scale (CFS), Vulnerable Elder Survey-13 (VES-13), Tilburg Frailty Indictor (TFI), Groningen Frailty Indicator (GFI), Edmonton Frailty Scale (EFS), and 40-item Frailty Index (FI). A crosswalk between FI and the frailty scales was created using the equipercentile linking method, a statistical procedure that produces equivalent scoring between scales according to percentile distributions. To demonstrate its validity, we determined the 4-year mortality risk across all scales for low-risk (equivalent to FI <0.20), moderate-risk (FI 0.20 to <0.40), and high-risk (FI ≥0.40) categories. RESULTS: Using NHATS, the feasibility of calculating frailty scores was at least 90% for all nine scales, with the FI having the highest number of calculable scores. 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 4.8, and EFS 5.8. Conversely, individuals considered frail according to the cutpoint of each frailty measure corresponded to the following FI scores: 0.37 for SOF, 0.40 for FRAIL, 0.42 for Phenotype, 0.21 for CFS, 0.16 for VES-13, 0.28 for TFI, 0.21 for GFI, and 0.37 for EFS. Across frailty scales, the 4-year mortality risks between the same categories were similar in magnitude. CONCLUSION: Our results provide clinicians and researchers with a useful tool to directly compare and interpret frailty scores 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 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 | 0,007 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».