2828 The influence of ethnicity and social disadvantage on frailty in a United Kingdom (UK) population
Notice bibliographique
Résumé
Abstract Background Frailty has both health + health economic consequences. There are however few data concerning occurrence of frailty in different ethnic groups in the United Kingdom (UK). The aim of this analysis was to determine frailty prevalence across an ethnically diverse city and to explore the influence of age/social-disadvantage/ethnicity on occurrence. We looked also at frailty related risk of severe illness in relation to COVID-19 infection. Methods Using data from the Greater Manchester Health Record (GMCR), we defined frailty index based on the presence/absence of up to 36 deficits scaled 0–1. We defined frailty based on those with 9 or more deficits (out of total = 36) and electronic frailty index (eFi) as the total number of deficits present, divided by 36 (range 0–1). Results There were 534,567 people aged 60 + years on 1January2020 in Greater Manchester. There was noticeable variation in frailty prevalence across general practices. The majority were white (84%) with 4.7% self-describing as Asian/Asian British, and 1.3% Black/Black British. The prevalence of moderate to severe frailty (eFI > 0.24) was 22.1%. Prevalence was higher in women than men (25.3% vs 18.5%) and increased with age. Compared to the prevalence of frailty in Whites (22.5%) prevalence was higher in Asian/Asian British ethnicity people (28.1%) and lower in those of Black/Black British descent (18.7%). Prevalence increased with increasing social disadvantage (p = 0.002 for trend across disadvantage quintiles). Among those with a positive COVID-19 test those with frailty were more likely to require hospital admission within 28-days, with increased risk for Asian/Asian British descent (OR = 1.47; 95% CI 1.34–1.61) and Black/Black British descent (OR 1.86; 95% CI 1.56–2.20) people vs Whites. Conclusion There is marked variation in occurrence of frailty across Greater Manchester. Frailty is more common in Asian/Asian British people than Whites and less common among Black/Black British with a gradient that relates to social disadvantage.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».