Prevalence of physical and oral frailty in geriatric patients in Kerala, India
Notice bibliographique
Résumé
Background: Physical frailty is a condition where a person has decreased physical reserve and resilience to stressors. Oral frailty, on the other hand, refers to a decline in oral function in conjunction with reductions in cognitive and physical functioning. Poor oral health, encompassing factors such as functional, physiological, psychosocial, and therapeutic aspects, can lead to physical frailty. Objectives: Assess the prevalence of physical and oral frailty in geriatric patients attending health centres in Kerala, India. Methodology: . Design: Cross-sectional study. Setting: Amrita Institute of Medical Sciences (Kochi), Amrita Kripa Charitable Hospital (Wayanad) and Amrita Urban Health Centre in (Kaloor). Participants: 250 geriatric participants above 60 years. Measurements: The participants' physical frailty was evaluated using Fried's Frailty Phenotype, the Reported Edmonton Frail Scale, and sarcopenia screening. The assessment of oral frailty was based on several factors such as current dental status, chewing ability, tongue pressure, the Repetitive Saliva-Swallowing Test, Oral Diadokinetic rates, Xerostomia, and the Oral and Maxillofacial Index. The evaluation was using a questionnaire and clinical examination. Bivariate analysis was performed for additional variables, and multivariate analysis was utilized to examine the relationship between oral and physical frailty. Results: 56 % of study participants were males, and the mean age was 68 ± 6.02 years. 34.4 % were physically frail, and the remaining were pre-frail using Fried Frailty Phenotype. 67 % showed oral frailty using the Oral and Maxillofacial Frailty Index (OMFI). Using six domains of the oral frailty status (Tanaka) showed that 74 % of individuals had an increased risk of new onset of physical frailty. In the adjusted model, individuals with mild oral frailty had lesser chances of being frail (OR = 0.509, 95 % CI = 0.274-1.946, p-value = 0.033). Conclusion: The prevalence of physical frailty was 34.4 %, and oral frailty status was 74 %. The findings implied a need to include oral frailty assessments in the comprehensive general health screening for geriatric patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».