USING HOSPITAL ELECTRONIC HEALTH RECORDS TO DETERMINE FRAILTY WITH THE PICTORIAL FIT-FRAIL SCALE
Notice bibliographique
Résumé
Abstract Hip fractures are common in older adults, particularly those that are frail. There is no “gold standard” tool to measure frailty retrospectively from hospital Electronic Health Records (EHRs). The aim of this research was to explore the utility of the Pictorial Fit-Frail Scale (PFFS) in determining frailty retrospectively in older adults admitted to hospital with a hip fracture. A random sample of 200 patients who had a hip fracture was extracted from a larger sample of 682 hip fractures that occurred in older adults (65 years and older) admitted to a Level 1 Trauma Center (April 2015-March 2019). Each EHR was reviewed to determine the availability of data and the score for each of the 14 PFFS domains. The majority, 189 (94.5%) of the EHRs, had data to complete 11-14 of the domains. Patient information was often unavailable to complete the domains of daytime tiredness and pain. The average age was 83.2 (SD 8.2), and 73.0% were female. The mean Raw PFFS score prior to admission was 9.7 (SD 6.6), and 45.5% of patients were classified as moderately or severely frail. Using the Standardized PFFS score (adjusted for up to three missing domains), the mean score was 11.8 (SD 7.9), and 58.2% of patients were classified as moderately or severely frail. The hospital EHR can be used to complete the PFFS. This finding provides researchers and healthcare professionals with a way to stratify older hospitalized patients by frailty, which may be a useful tool for evaluating health outcomes.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».