Association Between Frailty and Mortality, Falls and Hospitalisation Among Patients Undergoing Dialysis: A Systematic Review and Meta‐Analysis
Notice bibliographique
Résumé
AIM: Frailty is a risk factor for adverse events in older individuals; however, it has not been fully verified in patients undergoing dialysis. Our aim was to verify the association between frailty and adverse outcomes consisting of mortality, falls and hospitalisation among patients undergoing dialysis by a systematic review and meta-analysis. DESIGN: Systematic review and meta-analysis. METHODS: Multiple internet databases, were searched from the establishment of each database to April 2022, including the PubMed, EMbase, Cochrane, CNKI, WanFang and China Science and Technology Journal (VIP) databases. Cohort studies exploring the association between frailty and adverse outcomes among patients undergoing dialysis were analysed. The Newcastle Ottawa Scale (NOS) was used to assess the risk of bias in the included studies. A random effects model was used to pool the effect size, and comprehensive analyses consisting of subgroup analysis, sensitivity analysis and publication bias were assessed. RESULTS: The search initially identified 2744 studies from six databases. After the screening, 26 studies including 14,089 patients with dialysis aged 44.95-78.10 years were included in the final analysis, all of which were observational cohort studies. The pooled results showed that frailty was a powerful predictor of adverse outcomes (mortality, falls and hospitalisation) among the patients. Therefore, dialysis patients should be screened for early frailty and appropriate interventions should be implemented to improve adverse outcomes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| 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 | 0,000 |
| 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 ».