The Australian and New Zealand Society for Sarcopenia and Frailty Research (ANZSSFR) sarcopenia diagnosis and management task force: Findings from the consumer expert Delphi process
Notice bibliographique
Résumé
Abstract Objectives To develop guidelines, informed by health‐care consumer values and preferences, for sarcopenia prevention, assessment and management for use by clinicians and researchers in Australia and New Zealand. Methods A three‐phase Consumer Expert Delphi process was undertaken between July 2020 and August 2021. Consumer experts included adults with lived experience of sarcopenia or health‐care utilisation. Phase 1 involved a structured meeting of the Australian and New Zealand Society for Sarcopenia and Frailty Research (ANZSSFR) Sarcopenia Diagnosis and Management Task Force and consumer representatives from which the Phase 2 survey was developed. In Phase 2, consumers from Australia and New Zealand were surveyed online with opinions sought on sarcopenia outcome priorities, consultation preferences and interventions. Findings were confirmed and disseminated in Phase 3. Descriptive statistical analyses were performed. Results Twenty‐four consumers (mean ± standard deviation age 67.5 ± 12.8 years, 18 women) participated in Phase 2. Ten (42%) identified as being interested in sarcopenia, 7 (29%) were health‐care consumers and 6 (25%) self‐reported having/believing they have sarcopenia. Consumers identified physical performance, living circumstances, morale, quality of life and social connectedness as the most important outcomes related to sarcopenia. Consumers either had no preference (46%) or preferred their doctor (40%) to diagnose sarcopenia and preferred to undergo assessments at least yearly (54%). For prevention and treatment, 46% of consumers preferred resistance exercise, 2–3 times per week (54%). Conclusions Consumer preferences reported in this study can inform the implementation of sarcopenia guidelines into clinical practice at local, state and national levels across Australia and New Zealand.
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 | 0,174 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».