The Australian Frailty Network: Development of a consumer‐focussed national response to frailty
Notice bibliographique
Résumé
Frailty is an important concept in the care of older adults. Over the past two decades, significant advances have been made in measuring frailty. While it is now well-recognised that frailty status is an important determinant of outcomes from medical illnesses or surgical interventions, frailty measurement is not currently routinely integrated into clinical practice. In the community setting, it is uncommon for general practitioners to deliver frailty-optimised care. In hospitals, there is substantial variability in how people living with frailty are managed. This variability is notable between and even within disciplines. Furthermore, gains from understanding frailty mechanisms and risk factors are not yet applied/implemented at scale to delay the progression of frailty in community-dwellers. The Australian Frailty Network (AFN) is a national collaborative group of researchers, clinicians, non-government organisations, consumers and policymakers, in which the engagement and active involvement of consumers has been embedded from the outset. The AFN aims to generate new knowledge to improve health outcomes, to ensure evidence-based management is translated into clinical practice and to build capacity in multidisciplinary and translational frailty research. Here, we describe the development of the AFN, highlighting important milestones: (i) securing funding for the network and flagship elements; (ii) an inaugural summit to establish the strategic vision, values and scope with end-users; (iii) sabbatical visits to learn from international examples; and (iv) developing the governance structure and an actionable plan encompassing consumer engagement, research, education and policy and practice to maximise impact.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».