A systematic review of assessment tools for cognitive frailty: Use, psychometric properties, and clinical utility
Notice bibliographique
Résumé
BACKGROUND: The concept of 'cognitive frailty' (CF) was first developed by an international consensus group in 2013 and defined as evidence of both physical frailty and cognitive impairment without a clinical diagnosis of AD or another dementia. CF has been associated with adverse health outcomes and early identification is vital. Difficulty in the assessment of CF however is the lack of a diagnostic gold standard. OBJECTIVES: This review aimed to identify assessment tools used to diagnose cognitive impairment in the diagnosis of cognitive frailty, their psychometric qualities and clinical utility. RESEARCH DESIGN AND METHODS: Six databases were searched between 2013-2024. Studies were eligible if they reported a method of defining cognitive frailty, named the assessment tools, and stated cutoff values used to define cognitive impairment. RESULTS: In the 116 included studies, large heterogeneity was found in the tools utilised, and cutoff scores applied, to diagnose cognitive impairment in the diagnosis of cognitive frailty. This review has demonstrated that diagnosis of CF relies predominantly on the use of three cognitive assessment tools (Mini Mental State Examination, Montreal Cognitive Assessment, Clinical Dementia Rating) from a total of 22 different tools identified in the literature. For assessment of physical frailty, 11 different tools were identified, with the Fried Frailty Index and FRAIL Scale predominantly utilised. DISCUSSION AND IMPLICATIONS: The variation in the tools used to identify the diagnosis of CF means there is inconsistency in reporting, potentially impacting both the understanding of the prevalence, and the appropriate direction of intervention strategies.
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 | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,002 |
| 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 ».