Evaluation of frailty in community dwelling older adults with heart failure: a comparative analysis of four frailty assessment methods
Notice bibliographique
Résumé
Contexte: La fragilit est un tat de diminution des rserves physiologiques et de vulnrabilit qui prdisposent les patients des rsultats dfavorables tels que la perte d'autonomie et la mortalit.Les taux de fragilit les plus levs, ont t identifier chez les patients souffrant d'insuffisance cardiaque (IC).Pour renforcer les estimations des risques et amliorer les rsultats, des mesures de fragilit doivent tre envisages dans la gestion de l'insuffisance cardiaque.Malgr les progrs rcents, une mthode pour valuer la fragilit dans cette population haut risque qui est ralisable et pronostique fait encore dfaut. Mthodes: Une tude de cohorte prospective a t initier 3 centres hospitaliers afin d'tudier la valeur prdictive de 4 mthodes d'valuation de la fragilit; l'chelle de Fried, Clinical Frailty Scale (CFS), Short Physical Performance Battery (SPPB), et Essential Frailty Toolset (EFT).Des personnes ges 60 ans avec un diagnostic clinique d'IC ont t inscrites.L'valuation de base comprenait un questionnaire et des tests physiques (test d'quilibre, une vitesse de marche sur 5 mtres, une preuve de lever de chaise chronomtr, force de prehension).Le rsultat principale tait un composite de mortalit et l'aggravation d'incapacit 3 mois.Rsultats: Parmi 104 personnes ges, avec un ge moyen de 77.4 8.0 la prvalence de la fragilit a vari considrablement selon la mthode de mesure; Fried 24%, CFS 20%, SPPB 23% and EFT 29%.La fragilit, telle que mesure avec le score SPPB, tait le prdicteur le plus fiable de mortalit ou d'aggravation de l'incapacit 3 mois (odds ratio ajust [OR]: 0,41; intervalle de
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».