Fit-Frailty App as an Evaluative Measure in Rehabilitation
Notice bibliographique
Résumé
Introduction: Frailty is a common indicator of health, but more evidence is needed to establish its use as an evaluative measure. Understanding frailty responsiveness is important when selecting tools to monitor treatment effect. This pre-post observational study investigated the feasibility of measuring meaningful change in frailty following rehabilitation using the Fit-Frailty App, a validated and interactive mobile health application. Methods: The Fit-Frailty App multidimensional assessment considers medical history, physical performance, cognition, nutrition, daily function, and psychosocial domains to calculate a total frailty index score. We recruited a convenience sample of 52 adults age 65+ admitted to a slow stream rehabilitation unit in Hamilton, Ontario. Research assistants administered the App within 3 days after admission (baseline 1), after initial assessment (baseline 2), and before discharge (follow-up). Feasibility outcomes (e.g., recruitment, safety, acceptability) were evaluated based on Thabane et al.’s framework. Baseline 1 and follow-up scores were compared using paired t-tests with ≥0.03 change considered clinically meaningful and p≤0.007 statistically significant. An ICC and 95%CI were calculated to evaluate test-retest reliability between baseline 1 and 2 scores. Results: Between Mar-Sep 2024, n=125 were admitted, n=62 were screened, and n=52 consented (58% female, mean age 80.1, SD=8.9 years). Mean Fit-Frailty scores were 0.45 (SD=0.08) at baseline 1 (n=52), 0.44 (SD=0.09) at baseline 2 (n=50), and 0.35 (SD=0.11) at follow-up (n=40). All feasibility criteria were met except retention rate (<80%). There was clinically meaningful mean improvement between baseline 1 and follow-up scores of 0.10 (95%CI=0.07-0.12, p<0.001) over mean 55.7 (SD=24.9) days length of stay. The App demonstrated good-to-excellent reliability over mean 3.7 (SD=1.4) days (ICC=0.896, 95%CI=0.823-0.939). Conclusions: The Fit-Frailty App was feasibly implemented on a slow stream rehabilitation unit with good-to-excellent short-term test-retest reliability and large long-term responsiveness. The Fit-Frailty App results summary of frailty contributors can support intervention and discharge planning.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 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 ».