Prevalence and risk factors of frailty in people experiencing homelessness: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: The experience of homelessness has been associated with premature ageing and an earlier onset of geriatric syndromes. Identification of frailty and appropriate intervention, may help improve health outcomes for people experiencing homelessness (PEH). This review aimed to identify prevalence, use of screening tools and risk factors for frailty in PEH. METHOD: A systematic review, conducted and reported following the PRISMA checklist, was undertaken investigating the prevalence and risk factors of frailty among PEH. Searches were conducted in Ovid MEDLINE, PsycInfo, Web of Science and CINAHL from inception to July 2024. A meta-analysis examining prevalence of frailty and pre-frailty was completed with a narrative synthesis of related risk factors. RESULTS: A total of 1672 articles were screened for eligibility and 11 studies were included, containing 1017 participants from seven countries. Six different screening tools were employed to detect frailty in the included studies. The range of frailty prevalence was 16-70 % and pre-frailty prevalence was 18-60 %. The pooled frailty prevalence from studies employing the Fried Criteria was 39 % (95 % CI 15-66); the Clinical Frailty Scale: 37 % (95 % CI 24-51); the Edmonton Frailty Scale: 53 % (95 % CI 44-63); and the Tilburg Fraily Indicator: 31 % (95 % CI 8-60). High heterogeneity was observed between the studies. Identified risk factors for developing frailty in PEH included being female, increased years spent homeless, and drug addiction. CONCLUSION: This study highlights a high prevalence of frailty and pre-frailty in PEH. The identified risk factors illustrate potential areas to target interventions to reverse frailty. Future research should focus on the role of screening for frailty in PEH and developing appropriate frailty detection tools in this group.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».