A cross‐sectional comparison of the use of frailty assessment tools in older people living with <scp>HIV</scp>
Notice bibliographique
Résumé
OBJECTIVES: Advancements in the management of HIV have resulted in an increasing aging population with rising rates of frailty. Frailty represents a state of vulnerability to stressor events. There is a lack of consensus regarding the most appropriate assessment tool for frailty in this population. Our aim was to compare a number of frailty assessment tools among a sample population of older people living with HIV. METHODS: Two hundred and fifty three participants aged over 50 years (median 59.6 years) were recruited between October 2014 and September 2015. Frailty was defined by modified Fried Frailty Phenotype (FFP). Participants were assessed via seven further screening tools (Clinical Frailty Scale, Edmonton Frailty Score, FRAIL scale, Gait Speed, SHARE-FI, Study of Osteoporotic Fractures Index and Timed Up and Go [TUG]). We evaluated the diagnostic performance of each tool by generating ROC curves and calculating specificity and sensitivity. RESULTS: Using the FFP tool, 48/253 met frailty criteria, reflecting a prevalence of 19% (95% CI 14.6-24.3). A total of 32% of individuals were identified as frail by any of the eight tools. Sensitivity of the tools was highly variable, though all showed good specificity. Timed Up and Go (TUG) assessment performed most closely to FFP (AUROC 0.82 [95% CI 0.753-0.889]). CONCLUSIONS: TUG is a potentially useful frailty screening tool in the assessment of older people living with HIV. Strengths include an objective measure with high sensitivity and specificity and relatively low resource cost. Further exploration in this field is required to assess the correlation between frailty assessment and clinically significant outcomes, including morbidity and mortality.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».