Abstract Improvement and decline in health status from late middle age: Modeling age-related changes in deficit accumulation
Notice bibliographique
Résumé
In a prospective multi-panel cohort study, we investigated how, from late middle age, individuals ’ health status improves or declines. In the Canadian National Population Health Survey, transition probabilities between different health states were estimated for 4330 people (58.8 % women) aged 55+ at baseline over 2-year intervals from 1994 to 2000. Health status was defined by a deficit count, using 33 health-related variables combined in a frailty index. For each time interval, the chance of accumulating deficits increased linearly with the number of deficits. Older survivors (aged 70–85) showed a slightly lower chance of stability or improvement (52%; 95 % confidence interval 50–54%) compared with those in late middle age (56%; 54–58%). Changes in health states can be described with high accuracy (R 2 = 0.92) by a modified Poisson distribution, using four parameters: the background odds of accumulating additional deficits, the chance of incurring more or fewer deficits, given the existing number, and the corresponding probabilities of dying. An age-invariant limit to deficit accumulation was observed at 22 deficits. From late middle age, transitions in health states occur with a regularity that is easily modeled. Improvements in health can occur at any age. At all ages, there is a limit to deficit accumulation.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».