Retrospective Use of the Pictorial Fit-Frail Scale for Determination of Frailty Level in Hospitalized Older Adults with a Hip Fracture
Notice bibliographique
Résumé
The Pictorial Fit-Frail Scale (PFFS) is a frailty tool consisting of visual images to comprehensively assess frailty across 14 domains that can be completed by health professionals, patients, or caregivers. The objective of this study was to explore the feasibility of using the PFFS retrospectively to determine a patient's frailty level using data from the hospital electronic health records (EHRs) of older adults admitted with an isolated hip fracture. A random sample of 200 hip fracture patients admitted to a Level 1 Trauma Center hospital in New Brunswick was selected for review using the PFFS. The majority (94.5%) of hospital EHRs contained the clinical information needed to populate most of the 14 PFFS domains, allowing for determination of a frailty score. The mean raw PFFS frailty score was 9.7 (SD 6.6), consistent with moderate frailty. For all patients, a Frailty Index (FI) score was calculated, with the mean being 0.27 (SD 0.18), again consistent with moderate frailty. Comparing the PFFS score to the FI score, the percentage categorized as not frail or very mildly frail fell from 33.3% to 20.1%, and those considered severely frail rose from 30.7% to 34.9%. The PFFS can be successfully used retrospectively with hospital EHRs to determine the frailty level of older patients. When converted to the FI score, there was an increase in the frequency and severity of frailty. This tool may provide a useful way to stratify older adults by frailty that can be helpful in evaluating health outcomes based on frailty levels.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».