Role of frailty in predicting outcomes after stroke: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Stroke is considered the second most common cause of death and the third leading cause of disability worldwide. Frailty, characterized by increased vulnerability to stressors, is emerging as a key factor affecting outcomes in older adults and stroke patients. This study aimed to estimate the prevalence of frailty in acute stroke patients and assess its association with mortality and poor functional outcome. Methods: Medline, Google Scholar, and Science Direct databases were systematically searched for English-language studies that included adult stroke patients (>16 years), have defined frailty, and reported mortality and functional outcomes. Meta-analysis was done using STATA 14.2, and the results were expressed as pooled odds ratios (OR) with 95% confidence intervals (CI). Heterogeneity was assessed using the I2 statistic and the Chi-square test. Study quality was evaluated using the Newcastle Ottawa Scale (NOS). Results: Twenty-five studies were included in the analysis. Frailty prevalence in stroke patients was 23% (95% CI 22% - 23%). Unadjusted analysis showed an OR of 2.66 (95% CI: 1.93 - 3.67) for mortality and 2.04 (95% CI: 1.49 - 2.80) for poor functional outcome. Adjusted estimates indicated an OR of 1.22 (95% CI: 1.1 - 1.35) for mortality and 1.21 (95% CI: 1.04 - 1.41) for poor functional outcome, with substantial heterogeneity for both adjusted and unadjusted analyses. No publication bias was detected for the prevalence of frailty. However, there was a publication bias for the association between frailty and mortality. Conclusions: Frailty was significantly associated with increased mortality and poorer functional outcomes in stroke patients. Our study highlights the need to focus on frailty in stroke patients to improve outcomes and quality of life. Further research should aim to standardize assessment of frailty and reduce heterogeneity in study outcomes. Systematic review registration: https://www.crd.york.ac.uk/prospero/#searchadvanced, CRD42023470325.
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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,044 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».