Prevalence and Determinants of Frailty amongst the Elderly: A Study from a Tertiary Care Hospital in North India
Notice bibliographique
Résumé
Abstract Background: The elderly population in India is rising rapidly, which merits the need to develop an understanding of the prevalence and determinants of frailty in this age group. Materials and Methods: This study was conducted at a tertiary care hospital in New Delhi, India. The participants were over 60 years of age. The authors used the Edmonton Frailty Scale to assess frailty and a semi-structured questionnaire to assess sociodemographic variables, morbidity and lifestyle factors. Results: The mean age of participants in the study was 66.7 years (standard deviation ± 5.52). The prevalence of any type of frailty was 34.7% (95% confidence interval [CI] 29.9%–39.6%). Amongst the frail, 11.9% were vulnerable to frailty, 11.7% were mildly frail, 8.1% were moderately frail and 3% were severely frail. Significant associations were found with age, chronic diseases and smokeless tobacco use. Conclusion: There is a substantial prevalence of frailty amongst the elderly, with critical links to age, chronic disease and lifestyle choices. These findings underscore the necessity of integrating frailty assessment into routine geriatric care and primary healthcare services.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».