THE PREVALENCE OF FRAILTY IN STROKE, A SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Frailty, the clinical syndrome, can be defined by using either the phenotypical or the deficit model. Linda Fried proposed the former in 2001. John Rockwood in 1999 proposed the deficit model. There are several instruments that can be used to define frailty. We sought to determine the prevalence of frailty in acute stroke patients.We searched MEDLINE, EMBASE and CINAHL up to November 2018, using a pre-defined search criteria, in accordance with PRISMA guidance. Studies that used a defined measure of frailty were included. Studies that included transient ischaemic attack patients were excluded.A total of 1981 studies were screened, 9 studies met the inclusion criteria. Six studies were conference abstracts found in the grey literature. 1331 patients were included in total, of which 452 ( 34%) were said to be frail. Five different methods, for assessing frailty were used; the Clinical Frailty Scale, Rockwood Frailty index, Fried Frailty Criteria, Canadian Study on Health and Ageing Scale and the Reported Edmonton Frailty Scale were used.The review was limited by the small number of studies, this may be because frailty is a relatively new concept. Studies which included pre-morbid function were not included, if there was no measure of frailty. Our study suggests the need for further larger well designed studies that measure the prevalence of frailty in stroke patients and how frailty affects patient outcomes. Further work is also needed into what assessment method for frailty should be used
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,009 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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 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 ».