Comparison of two frailty definitions in women with systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVES: Frailty is a risk factor for adverse health in SLE. The Fried phenotype (FP) and the SLICC Frailty Index (SLICC-FI) are common frailty metrics reflecting distinct approaches to frailty assessment. We aimed to (1) compare frailty prevalence according to both metrics in women with SLE and describe differences between frail and non-frail participants using each method and (2) evaluate for cross-sectional associations between each metric and self-reported disability. METHODS: Women aged 18-70 years with SLE were enrolled. FP and SLICC-FI were measured, and agreement calculated using a kappa statistic. Physician-reported disease activity and damage, Patient Reported Outcome Measurement Information System (PROMIS) computerized adaptive tests, and Valued Life Activities (VLA) self-reported disability were assessed. Differences between frail and non-frail participants were evaluated cross-sectionally, and the association of frailty with disability was determined for both metrics. RESULTS: Of 67 participants, 17.9% (FP) and 26.9% (SLICC-FI) were frail according to each metric (kappa = 0.41, P < 0.01). Compared with non-frail women, frail women had greater disease damage, worse PROMIS scores, and greater disability (all P < 0.01 for FP and SLICC-FI). After age adjustment, frailty remained associated with a greater odds of disability [FP: odds ratio (OR) 4.7, 95% CI 1.2, 18.8; SLICC-FI: OR 4.6, 95% CI 1.3, 15.8]. CONCLUSION: Frailty is present in 17.9-26.9% of women with SLE. These metrics identified a similar, but non-identical group of women as frail. Further studies are needed to explore which metric is most informative in this 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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».