1995 Constructing a Frailty Index using routinely collected measures to study its relationship with adverse health outcomes
Notice bibliographique
Résumé
Abstract Introduction Any Frailty Index (FI) measures overall health. The FI-Lab employs common laboratory data and clinical measures to do so. Objective To examine how an FI-lab constructed from vital signs, laboratory tests, and electrocardiographic data is associated with in-patient admission and time to death. FI-Lab performance was compared with an FI from a Comprehensive Geriatric Assessment (FI-CGA), the Clinical Frailty Scale (CFS), and the Canadian Triage Acuity Scale (CTAS). Method Participants were Emergency Department (ED) patients aged 65+ years referred to Internal Medicine, staffed by a geriatrician (KR). Fifty-seven FI-Lab variables were binarized (0 = no deficit; 1 = deficit) using standard normal ranges. Each FI was calculated as the fraction of items present as deficits. Age- and sex-adjusted Cox proportional hazard and logistic regression models were used to assess relationships with all-cause mortality, and in-patient admission, respectively. Results Of 808 patients, an FI-Lab was calculable in 807. Median age was 81 years (IQR:13); 55.7% were female. FI-Lab values ranged from 0.05–0.78 (Mean: 0.51; Standard deviation (SD) 0.10). Females (0.50±0.11) had lower FI-Lab scores than males (Mean: 0.52±0.09; p=0.003). At 30 days, each 0.01 FI-Lab unit increase showed higher mortality Hazard Rate (HR) (95% Confidence Interval (CI):1.04 (1.02–1.06) and inpatient admission risk: Odds ratio (OR) 1.02 (1.00–1.03), as did the FI-CGA (1.04; 1.02-1.04) and CTAS (1.46; 1.02-2.10). Similar results held for inpatient admission, save for CTAS (0.95; 0.54-1.64). By two years, only the FI-lab and CFS significantly predicted mortality risk. Conclusion FI-Lab scores were associated with higher mortality rates and in-patient admission risk in older ED patients referred to Medicine. In acute care, the FI-Lab appears to integrate baseline frailty with illness severity. As such data often are routinely available, the FI-Lab might be an additional passive measure of frailty-related risk, potentially available in real time.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».