P-112 Frailty behind bars – identifying frailty in a Scottish prison
Notice bibliographique
Résumé
<h3>Background</h3> The prison population in Scotland is ageing (Scottish Government. Scottish Prison Population statistics 2021–22) with increasing numbers of people in prison with significant health issues. There is a need to better understand and address the needs of people living with frailty in prisons. <h3>Aims</h3> To explore the acceptability and feasibility of implementing a frailty screening programme in partnership with the health team at our local prison. <h3>Methods</h3> As part of an ongoing frailty project, all people in prison aged 50 or over at our local prison were offered frailty screening between July 2023 and January 2024. Those who accepted were screened for frailty by the prison primary care team using the Edmonton Frail Scale (EFS). <h3>Results</h3> 242 people in prison aged 50 or over were offered frailty screening. 210 accepted (87%). Of those screened, 24% were found to have some degree of frailty on the EFS (mild/moderate/severe). 10% of those screened had moderate or severe frailty. Frailty was found in both younger and older cohorts - 39% of those aged 65 and over were frail (n=21) compared to 19% of those aged 50–64 years (n=29). For those found to be moderately or severely frail 50% were under 65 and 50% aged 65 and over. <h3>Conclusion</h3> Uptake of frailty screening was high (88%). Almost a quarter of our prison population of over 50s was found to be frail with 10% living with moderate or severe frailty. Frailty screening traditionally looks at those aged 65 or over, but if we had only screened older people in prison, we would have missed 58% of those who were frail which perhaps reflects premature frailty among the prison population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».