Levels of frailty and frailty progression in older urban- and regional-living First Nations Australians
Notice bibliographique
Résumé
OBJECTIVES: To explore the prevalence of frailty, association between frailty and mortality, and transitions between frailty states in urban- and regional-living First Nations Australians. STUDY DESIGN: Secondary analysis of longitudinal data from the Koori Growing Old Well Study. First Nations Australians aged 60 years or more from five non-remote communities were recruited in 2010-2012 and followed up six years later (2016-2018). Data collected at both visits were used to derive a 38-item Frailty Index (FI). The FI (range 0-1.0) was classified as robust (<0.1), pre-frail (0.1- < 0.2), mildly (0.2- < 0.3), moderately (0.3- < 0.4) or severely frail (≥0.4). MAIN OUTCOME MEASURES: Association between frailty and mortality, examined using logistic regression and transitions in frailty (the percentage of participants who changed frailty category) during follow-up. RESULTS: At baseline, 313 of 336 participants (93 %) had sufficient data to calculate a FI. Median FI score was 0.26 (interquartile range 0.21-0.39); 4.79 % were robust, 20.1 % pre-frail, 31.6 % mildly frail, 23.0 % moderately frail and 20.5 % severely frail. Higher baseline frailty was associated with mortality among severely frail participants (adjusted odds ratio 7.11, 95 % confidence interval 2.51-20.09) but not moderately or mildly frail participants. Of the 153 participants with a FI at both baseline and follow-up, their median FI score increased from 0.26 to 0.28. CONCLUSIONS: Levels of frailty in this First Nations cohort are substantially higher than in similar-aged non-Indigenous populations. Screening for frailty before the age of 70 years may be warranted in First Nations Australians. Further research is urgently needed to determine the factors that are driving such high levels of frailty and propose solutions to prevent or manage frailty in this population.
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 | 0,000 |
| 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 ».