Comparison of three frailty measures for predicting hospitalization and mortality in the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: Few studies have compared different measures of frailty for predicting adverse outcomes. It remains unknown which frailty measurement approach best predicts healthcare utilization such as hospitalization and mortality. AIMS: This study aims to compare three approaches to measuring frailty-grip strength, frailty phenotype, and frailty index-in predicting hospitalization and mortality among middle-aged and older Canadians. METHODS: We analyzed baseline and the first 3-year follow-up data for 30,097 participants aged 45 to 85 years from the comprehensive cohort of the Canadian Longitudinal Study on Aging (CLSA). Using separate logistic regression models adjusted for multimorbidity, age and biological sex, we predicted participants' risks for overnight hospitalization in the past 12 months and mortality, at the first 3-year follow-up, using each of the three frailty measurements at baseline. Model discrimination was assessed using Harrell's c-statistic and calibration assessed using calibration plots. RESULTS: The predictive performance of all three measures of frailty were roughly similar when predicting overnight hospitalization and mortality risk among CLSA participants. Model discrimination measured using c-statistics ranged from 0.67 to 0.69 for hospitalization and 0.79 to 0.80 for mortality. All measures of frailty yielded strong model calibration. DISCUSSION AND CONCLUSION: All three measures of frailty had similar predictive performance. Discrimination was modest for predicting hospitalization and superior in predicting mortality. This likely reflects the objective nature of mortality as an outcome and the challenges in reducing the complex concept of healthcare utilization to a single variable such as any overnight hospitalization.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».