Clinical implications of frailty assessed in hospitalized patients with acute-exacerbation of interstitial lung disease
Notice bibliographique
Résumé
Background Approximately 50% of patients with interstitial lung disease (ILD) experience frailty, which remains unexplored in acute exacerbations of ILD (AE-ILD). A better understanding may help with prognostication and resource planning. We evaluated the association of frailty with clinical characteristics, physical function, hospital outcomes, and post-AE-ILD recovery. Methods Retrospective cohort study of AE-ILD patients (01/2015–10/2019) with frailty (proportion ≥0.25) on a 30-item cumulative-deficits index. Frail and non-frail patients were compared for pre- and post-hospitalization clinical characteristics, adjusted for age, sex, and ILD diagnosis. One-year mortality, considering transplantation as a competing risk, was analysed adjusting for age, frailty, and Charlson Comorbidity Index (CCI). Results 89 AE-ILD patients were admitted (median: 67 years, 63% idiopathic pulmonary fibrosis). 31 were frail, which was associated with older age, greater CCI, lower 6-min walk distance, and decreased independence pre-hospitalization. Frail patients had more major complications (32% vs 10%, p = .01) and required more multidisciplinary support during hospitalization. Frailty was not associated with 1-year mortality (HR: 0.97, 95%CI: [0.45–2.10]) factoring transplantation as a competing risk. Conclusions Frailty was associated with reduced exercise capacity, increased comorbidities and hospital complications. Identifying frailty may highlight those requiring additional multidisciplinary support, but further study is needed to explore whether frailty is modifiable with AE-ILD.
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 ».