Image 8_Prevalence and influencing factors of oral frailty in older adults: a systematic review and meta-analysis.tiff
Notice bibliographique
Résumé
Objective<p>This study aimed to conduct a systematic review and meta-analysis, assessing the pooled prevalence and influencing factors of oral frailty in older people to assist healthcare professionals in enhancing their understanding of this condition and formulating efficient interventions.</p>Methods<p>This systematic review was performed based on the Preferred Reporting Items for Systematic Reviews and Meta-analyses Statement (PRISMA) guidelines. We searched PubMed, Web of Science, The Cochrane Library, Embase, CINAHL, ProQuest, the National Knowledge Infrastructure (CNKI), WAN FANG DATA, VIP Information, SinoMed and Scopus for literature published in English or Chinese from inception to June 19, 2024. Subsequently, we evaluated the potential for bias in the cross-sectional studies that met our criteria through the Agency for Healthcare Research and Quality (AHRQ) tool. In contrast, we utilized the robust Newcastle-Ottawa scale for cohort and case–control studies. We performed statistical analyses using STATA 17 software. Prevalence was studied using a meta-analysis of a single proportion. For influencing factors, dichotomous variables were expressed as odds ratios (ORs) and 95% confidence intervals (Cls), and continuous variables were expressed as weighted mean differences (WMDs) and 95% confidence intervals (Cls).</p>Results<p>Investigation into 17 studies encompassing 24,983 participants discovered a striking 28% overall prevalence rate for oral frailty among older individuals (95% CI 20–36%, p < 0.001). Upon assessing the literature’s quality, nine articles acquired high ratings; all others received medium ratings. These findings imply a complex interplay among biological, socio-economic, lifestyle, and disease-pharmacological factors in the manifestation of oral frailty in older adults.</p>Conclusion<p>Oral frailty is prevalent in older adults and is impacted by diverse factors. Enhanced surveillance and effective interventions for oral frailty are required in older cohorts.</p>Systematic review registration<p>https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42024544552, identifier CRD42024544552.</p>
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 | 0,000 |
| 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) | 0,018 | 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 ».