Longitudinal Quantiles of Frailty Trajectories Considering Death: New Insights into Sex and Cohort Differences in the Reference Curves for Frailty Progression of Older European
Notice bibliographique
Résumé
BACKGROUND: Most previous studies of frailty trajectories in older adults focus on the average trajectory and ignore death. Longitudinal quantile analysis of frailty trajectories permits the definition of reference curves, and the application of mortal cohort inference provides more realistic estimates than models that ignore death. METHODS: Using data from individuals aged 65 or older (n = 25 446) from the Survey of Health, Ageing, and Retirement in Europe (SHARE) from 2004 to 2020, we derived repeated values of the Frailty Index (FI) based on the accumulation of health deficits. We applied weighted Generalized Estimating Equations to estimate the quantiles of the FI trajectory, adjusting for sample attrition due to death, sex, education, and cohort. RESULTS: The FI quantiles increased with age and progressed faster for those with the highest level of frailty (β^a0.9 = 0.0229, p < .001; β^a0.5 = 0.0067, p < .001; H0: βa0.5=βa0.9, p < .001). Education was consistently associated with a slower progression of the FI in all quantiles (β^ae0.1 = -0.0001, p < .001; β^ae0.5 =-0.0004, p < .001; β^ae0.9 = -0.0003, p < .001) but sex differences varied across the quantiles. Women with the highest level of frailty showed a slower progression of the FI than men when considering death. Finally, no cohort effects were observed for the FI progression. CONCLUSIONS: Quantile FI trajectories varied by age, sex, education, and cohort. These differences could inform the practice of interventions aimed at older adults with the highest level of 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 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 | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».