Prevalence and risk factors of cognitive frailty among pre‐frail and frail older adults in nursing homes
Notice bibliographique
Résumé
BACKGROUND: The purpose of this research was to stratify the level of frailty to examine the risk factors associated with reversible cognitive frailty (RCF) and potentially reversible cognitive frailty (PRCF) in nursing homes to provide a basis for hierarchical management in different stages of frailty. METHODS: The study was a cross-sectional study conducted from September to November 2022; 504 people were selected by stratified random sampling after convenience selection from the Home for the Aged Guangzhou. The structured questionnaire survey was conducted through face-to-face interviews using the general data questionnaire, Fried Frailty Phenotype, Montreal Cognitive Assessment Scale. RESULTS: In total, 452 individuals were included for analysis. A total of 229 cases (50.7%) were PRCF, 70 (15.5%) were RCF. Multivariate logistic regression analysis showed that in pre-frailty, the Geriatric Depression Scale (GDS-15) score (odds ratio (OR) 1.802; 95% CI 1.308-2.483), Instrumental Activities of Daily Living Scale (IADL) score (0.352; 0.135-0.918) and energy (0.288; 0.110-0.755) were influencing factors of RCF. GDS-15 score (1.805; 1.320-2.468), IADL score (0.268; 0.105-0.682), energy (0.377; 0.150-0.947), lack of intellectual activity (6.118; 1.067-35.070), admission time(>3 years) (9.969; 1.893-52.495) and low education (3.465; 1.211-9.912) were influencing factors of PRCF. However, RCF with frailty was associated with the Short-Form Mini-Nutritional Assessment (MNA-SF) score (0.301; 0.123-0.739) and low education time (0 ~ 12 years) (0.021; 0.001-0.826). PRCF with frailty was associated with age (1.327; 1.081-1.629) and weekly exercise time (0.987; 0.979-0.995). CONCLUSIONS: The prevalence of RCF and PRCF was high among pre-frail and frail older adults in nursing homes. Different levels of frailty had different influencing factors for RCF and PRCF. Depression, daily living ability, energy, intellectual activity, admission time, education level, nutrition status, age and exercise time were associated with RCF and PRCF. Hierarchical management and intervention should be implemented for different stages of frailty to prevent or delay the progression of cognitive frailty.
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 | 0,000 | 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 | 0,001 |
| 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 ».