Frailty, Nutrition, and Quality of Life in Urban-Dwelling Older Adults Facing Vulnerability: Observational Study in Primary Heath Care
Notice bibliographique
Résumé
Objective: To analyze the association between vulnerability, nutritional aspects, frailty, and quality of life (QoL) in older adults receiving care from Primary Health Care (PHC) services in an urban area. Methods: This was a cross-sectional study conducted with community-dwelling older adults. The following instruments were used to assess the variables of interest: the Vulnerable Elders Survey (VES-13), Mini Nutritional Assessment (MNA), Edmonton Frailty Scale (EFS), and the Medical Outcomes Study Short Form-36 (SF-36). Statistical procedures included association analyses, Spearman’s correlation, and binary logistic regression to identify predictors of the outcome. Results: A total of 323 individuals participated in the study, of whom 148 (45.8%) were classified as vulnerable according to the VES-13. Vulnerability showed a moderate negative correlation with nutritional status (r = -0.38; p < 0.001). Frailty (EFS) and quality of life (SF-36) showed strong correlations, especially in domains related to physical and functional aspects (r > 0.49; p < 0.050). Binary logistic regression revealed frailty (EFS) as the main predictor of vulnerability (R² = 0.20; p < 0.001; OR = 1.35 [95% CI: 1.24–1.48]), with functional independence (R² = 0.25; p < 0.001; OR = 3.96 [95% CI: 2.74–5.73]) and functional performance (R² = 0.17; p < 0.001; OR = 3.21 [95% CI: 2.21–4.67]) being the domains that most strongly increased the odds of vulnerability. Conclusion: There was a significant association between vulnerability, nutritional status, frailty, and quality of life. More refined analyses highlighted frailty, particularly in its functional domains, as a key predictor of vulnerability among older adults.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».