Correlación de la escala clínica de fragilidad y el algoritmo de fragilidad propuesto por la Universidad Dalhousie en adultos mayores
Notice bibliographique
Résumé
Introducción. La fragilidad es definida como el deterioro funcional en relación con el envejecimiento. En la actualidad no existe una medida estandarizada para su diagnóstico. Objetivo. Determinar la correlación de la Escala Clínica de Fragilidad (CFS) y el algoritmo propuesto por la Universidad Dalhousie en adultos mayores durante la pandemia por COVID-19. Métodos. Se examinó a 444 pacientes en diferentes niveles asistenciales, la fragilidad se medió con la CFS y el algoritmo. Se utilizaron estadísticas descriptivas para presentar las variables. Se aplicaron modelos de regresión lineal para cuantificar la correlación entre los puntajes de ambos instrumentos. Resultados. El algoritmo indicó un 21.17% de adultos mayores ligeramente frágiles, 20.95% vulnerables y 8.33% severamente muy frágiles. Por otro lado, con la CFS hubo 28.38% adultos mayores ligeramente frágiles, 25.9% moderadamente frágiles y 2.93% vulnerables no dependientes. Se encontró una correlación de 54.5% de los casos y obteniendo un Rho de Spearman de 0.79 con un valor de p <0,001. Conclusión. Hay un cierto nivel de correlación según el modelo de regresión lineal pero no lo suficiente para ser estandarizada por lo cual se recomienda el uso de otros instrumentos de manera individualizada.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».