MétaCan
Menu
Retour à la cohorte
Enregistrement W4401672511 · doi:10.2196/59762

Assessing the Impact of Frailty on Infection Risk in Older Adults: Prospective Observational Cohort Study

2024· article· en· W4401672511 sur OpenAlexvenueno aff
Ya Yang, Kechun Che, Jiayan Deng, Xinming Tang, Wenyuan Jing, Xiuping He, Jiacheng Yang, Mingjuan Yin, Congcong Pan, Jindong Ni

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineEpidemiologyObservational studyHazard ratioCohort studyPublic healthInfectious disease (medical specialty)Prospective cohort studyIncidence (geometry)GerontologyDiseaseEnvironmental healthProportional hazards modelCohortConfidence intervalInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

Background: Infectious diseases are among the leading causes of death and disability and are recognized as a major cause of health loss globally. At the same time, frailty as a geriatric syndrome is a rapidly growing major public health problem. However, few studies have investigated the incidence and risk of infectious diseases in frail older people. Thus, research on frailty and infectious diseases is urgently needed. Objective: The purpose of this study was to evaluate the association between frailty and infectious diseases among older adults aged 65 years and older. Methods: In this prospective observational cohort study, we have analyzed the infectious disease prevalence outcomes of older adults aged 65 years and older who participated in frailty epidemiological surveys from March 1, 2018, to March 2023 in Dalang Town, Dongguan City, and from March 1, 2020, to March 2023 in Guancheng Street, Dongguan City. This study has an annual on-site follow-up. Incidence data for infectious diseases were collected through the Chinese Disease Control and Prevention Information System-Infectious Disease Monitoring and Public Health Emergency Monitoring System. A project-developed frailty assessment scale was used to assess the frailty status of study participants. We compared the incidence rate ratios (IRR) of each disease across frailty status, age, and gender to determine the associations among frailty, gender, age, and infectious diseases. Cox proportional hazards regression was conducted to identify the effect of frailty on the risk of demographic factors and frailty on the risk of infectious diseases, with estimations of the hazard ratio and 95% CI. Results: A total of 235 cases of 12 infectious diseases were reported during the study period, with an incidence of 906.21/100,000 person-years in the frailty group. In the same age group, the risk of infection was higher in men than women. Frail older adults had a hazard ratio for infectious diseases of 1.50 (95% CI 1.14-1.97) compared with healthy older adults. We obtained the same result after sensitivity analyses. For respiratory tract-transmitted diseases (IRR 1.97, 95% CI 1.44-2.71) and gastrointestinal tract-transmitted diseases (IRR 3.67, 95% CI 1.39-10.74), frail older adults are at risk. Whereas no significant association was found for blood-borne, sexually transmitted, and contact-transmitted diseases (IRR 0.76, 95% CI 0.37-1.45). Conclusions: Our study provides additional evidence that frailty components are significantly associated with infectious diseases. Health care professionals must pay more attention to frailty in infectious disease prevention and control.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,399
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetFrailty in Older AdultsTravaux en français237 207