Five Factor Frailty Measure. Psychometrically Robust Research Tool for the English Longitudinal Study on Ageing.
Notice bibliographique
Résumé
Background: Availability of large longitudinal population health and aging studies, such as the English Longitudinal Study on Ageing, hold many opportunities for the examination of the development of Frailty over time. Lacking are psychometrically robust longitudinal measurement of the concepts of frailty required for accurate and reliable estimates and identification of frail individuals. Objectives. Development of a psychometrically robust longitudinal research tool of Frailty. The tool is to be easy to replicate for future use in health and aging research. Participants/Measurements. Data comes from four waves of ELSA (2014-2017); N=39,528. Six domains of health status deficits that may measure frailty were used: Mobility, Daily Function, Self-rated general health, Self-rated pain, Depression, Self-report doctor diagnoses of health. Design. Exploratory factor analysis (EFA) of common-self-reported deficits available across four waves of longitudinal data were compared to determine which deficits were a best fit for a research-based frailty index. Standardized regression factor scores were calculated to represent individual’s placement in factors identified from EFA. Cross-sectional validation and reliability are reported. Results. Five-Factors of Frailty found were consistent across ELSA waves. Mobility/Severe Pain, Planning/Self Care, Depression, Moderate Pain/Movement/Arthritis and Cardio-Metabolic. The variable make-up of each factor differed between males and females. Psychometric properties of the five factor frailty model were taken into account at each stage of development (factorability/sampling adequacy, cross-sectional replicability, internal consistency, low interdeterminacy, relations with age).Conclusions. Five distinct factors of an accumulation of deficits approach to frailty were found. Use and development of the five factors of frailty research tool are outlined. This research tool will aid researchers in determining the complex risk factors and outcomes of empirically derived components of frailty in ELSA.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».