Association of Frailty Comorbidity with Incidence of Fractures among Elderly at Assiut Trauma University Hospital
Notice bibliographique
Résumé
Background: Frailty is a growing public health concern, impacts clinical care significantly. As the elderly population expands, frailty rates are expected to increase. Bone fractures are a public health issue especially in elderly people that lead to disability, impaired quality of life, and high health-care costs. Aim: To assess the association of frailty comorbidity with incidence of fractures among elderly. Research design: A descriptive cross-sectional research design. Setting: inpatient ward and outpatients' clinics in Trauma Hospital at Assiut University. Sample: A convenience sample of 321 older adult patients who had Fractures. Study tools: Three tools were selected I: Structured interviewing questionnaire II: Reported Edmonton Frail Scale to assess frailty for elderly patients with fractures and II: Charlson Comorbidity Index scale to assess level of comorbidity. Results: The proportions of falls as a cause of fracture were 81.7% for all fractures and 76.0% of the studied elderly patients fall in their home. The most common fractures in the total population was the hip fracture (48.6%), and femur fracture (22.4%). Most of studied elderly patients have severe frailty (52.7%), moderate frailty (17.4%). This study found statistical significant difference between patient’s comorbidities and frailty at p-value <0.000. Conclusion: The study highlights the association of frailty and incidence of fractures among elderly patients and level of comorbidities. Recommendation: Implement evidence-based rehabilitation programs to improve mobility and reduce complications after fractures.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».