Síndrome da fragilidade e riscos para quedas em idosos da comunidade
Notice bibliographique
Résumé
RESUMO Objetivo Identificar a prevalência da Síndrome da Fragilidade em idosos e suas relações com o risco para quedas. Método Estudo clínico descritivo, transversal e analítico. Cento e um voluntários com mais de 60 anos, foram submetidos à avaliação audiológica, Dynamic Gait Index – Brazilian brief (DGI), Timed Up and Go(TUG) e Escala de Fragilidade de Edmonton (EFE) que determinaram, respectivamente, os limiares auditivos, síndrome da fragilidade, equilíbrio funcional e dinâmico e risco para quedas. Utilizou-se a distribuição percentual simples, o teste de Wilcoxon e de Correlação Bivariada com coeficiente de Pearson para a análise estatística. Foram adotados limites iguais inferiores a 1,0 e 5,0%. Resultados A EFE identificou 22,8% dos voluntários como frágeis e 22,8% como vulneráveis. O DGI e o TUG classificaram 34,6 e 84,1% de riscos para quedas. Ocorreu correlação significativa entre a EFE e o DGI (p<0,01), a EFE e o TUG (p<0,01) e o DGI e TUG (p<0,01). O coeficiente de Pearson entre EFE e o DGI, entre o EFE e o TUG e DGI e TUG foram -0,26, -0,41 e 0,46 respectivamente. Ocorreu associação entre DGI e TUG e idade (p<0,01). Não houve correlação entre a EFE com sexo e idade. Conclusão A fragilidade e pré-fragilidade foi identificada em uma parcela expressiva dos voluntários, sobretudo nos mais longevos. O equilíbrio funcional e o dinâmico se correlacionaram moderamente com fragilidade, o que demonstrou que a Síndrome da fragilidade aumenta o risco para quedas.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».