Understanding risk in the oldest old: Frailty and the metabolic syndrome in a chinese community sample aged 90+ years
Notice bibliographique
Résumé
Objectives To investigate the relationship between frailty and the metabolic syndrome and to evaluate how these contribute to mortality in very old people. Design Secondary analysis of data from the Project of Longevity and Aging in Dujiangyan. Setting Community sample from Sichuan Province, China. Participants People aged 90+ years (n=767; baseline age=93.7±3.4 years; 68.0% women. Measurements After a baseline health assessment , participants were followed for four years (54.0% died). A frailty index (FI) was calculated as the sum of deficits present, divided by the 35 health-related deficits considered. Relationships between the FI and the metabolic syndrome were tested; their effect on death was examined. Results The mean FI was 0.26 ±0.11. Higher FI scores were associated with a greater risk of death, adjusted for age, sex, education, and metabolic syndrome items. The hazard ratio was 1.03 (95% confidence interval 1.02, 1.04) for each 1% percent increase of the FI. The mortality risk did not change with the metabolic syndrome (odds ratio=0.99; 0.71-1.36). Conclusions In the oldest old, frailty was a significant risk for near-term death, regardless of the metabolic syndrome. Even using age-adjusted models, the epidemiology of late life illness may need to account for frailty routinely.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».