EFRAILTY.ORG: ANALYSIS OF INITIAL USERS
Notice bibliographique
Résumé
Abstract In March 2024, eFrailty.org was launched to the public with the goal of making frailty assessment tools accessible to clinicians and researchers. We report the uptake and initial user experiences of eFrailty between January 1, 2024 and July 31, 2024, as measured by Google Analytics. eFrailty was viewed over 23,000 times by more than 5,400 users. More than 1000 users (18%) returned after their initial visit. There were 4 distinct spikes in usage coinciding with the airing of a GeriPal Podcast episode, two international geriatrics conferences, and publication of a NEJM review article—all of which mentioned eFrailty. Analytics data indicated the site was accessed from over 60 different countries. The highest number of users were from the United States (2,400 users), followed by China (802), and Canada (522). The most frequently visited site feature was the ‘Help Me Choose a Frailty Tool’ page, which guides the user through a series of questions to identify an assessment tool that is best aligned to their purpose and available information. Of the 15 validated frailty assessment tools featured, the three most frequently viewed were the CGA-FI (2,105 views), Clinical Frailty Scale (709), and FRAIL Scale (680). User feedback was gathered informally from local and international colleagues using the site, and via e-mails sent through the site’s ‘Contact Us’ link. In response to feedback about the CGA-FI, the authors created a dedicated instruction manual. These initial data suggest the utility of eFrailty website for clinical care, research, and education.
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 | 0,007 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».