The Prognostic Accuracy of Frailty and Vulnerability Screening for Older Adults in the Emergency Department: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
STUDY OBJECTIVE: Frailty and vulnerability are associated with increased morbidity and mortality in older adults, yet the optimal screening tool for predicting adverse outcomes in the emergency department (ED) remains unclear. Our question is: Which frailty or vulnerability screening instrument has the highest prognostic accuracy for adverse outcomes in older adults visiting the ED? METHODS: We included observational studies involving patients aged more than or equal to 60 years presenting to the ED that applied frailty or vulnerability instruments and reported sensitivity, specificity, and area under the curve (AUC). We searched MEDLINE, EMBASE, Cochrane Library, CINAHL, and CNKI through January 2025. Study quality was assessed using an updated the Quality in Prognosis Studies tool. Two investigators independently screened studies. Meta-analysis was conducted for instruments with consistent cutoffs reported in more than or equal to 4 studies. RESULTS: Fifty-seven studies (125,412 patients) assessed 39 instruments with varied cutoffs. The Identification of Seniors at Risk and Clinical Frailty Scale were studied most. Most tools demonstrated high sensitivity but low specificity. For 30-day mortality, pooled Identification of Seniors at Risk estimates were as follows: sensitivity 92% (95% confidence interval, 84 to 96), specificity 37% (26 to 50), likelihood ratio (LR)+ 1.47 (1.25 to 1.79), LR- 0.24 (0.11 to 0.42), and AUC 0.84 (0.60-0.89). Clinical Frailty Scale (cut-off of more than or equal to 5) showed sensitivity of 81% (62 to 91), specificity 71% (54 to 83), LR+ 2.80 (1.96 to 3.82), LR- 0.29 (0.15 to 0.48), and AUC 0.82 (0.77 to 0.85). CONCLUSION: Current screening instruments fail to identify older individuals who will experience adverse outcomes. Our findings suggest that EDs should reconsider relying on existing screening tools as standalone prognostic instruments and explore incorporating additional domains to improve accuracy.
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 | 0,017 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,037 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».