Frailty measurement in research and clinical practice: An updated review
Notice bibliographique
Résumé
Frailty is a highly prevalent geriatric condition, affecting between 12-24% of older adults globally. It remains a major cause of morbidity and mortality in older adults. Incorporating frailty measurement into clinical decision making can guide optimal patient care. This updated review presents an outline of current frailty definitions and measurement approaches in both research and clinical practice, including: Fried's frailty phenotype; Rockwood and Mitnitski's Frailty Index (FI) of cumulative deficits; Clinical Frailty Scale (CFS); Fatigue, Resistance, Ambulation, Illness and Loss of weight (FRAIL) scale; Edmonton Frail Scale (EFS); electronic Frailty Index (eFI); Hospital Frailty Risk Score (HFRS); Study of Osteoporotic Fractures (SOF) Index; Tilburg Frailty Indicator (TFI); Groningen Frailty Indictor (GFI); Multidimensional Prognostic Index (MPI); the Kihon Checklist (KCL); Geriatric 8 (G8) for oncology; the Essential Frailty Toolset (EFT) for cardiology; plus gait speed and grip strength. The main strengths and limitations of existing frailty measurements are summarised, including how well these measurements operationalise frailty in terms of their accuracy in identifying frailty, their basis on biological causative theory, and their ability to reliably predict patient outcomes and response to potential therapies.
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 | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».