Global Patterns of Frailty and Multi-Morbidity
Notice bibliographique
Résumé
BACKGROUND. Frailty is a syndrome characterized by a decreased resistance to stressors, leading to increased vulnerability to adverse outcomes, including mortality. Multi-morbidity refers to the presence of two or more chronic diseases, and is associated with increased risk of adverse health outcomes. Most of the literature in frailty is based on older people (65+ years) living in high income countries. OBJECTIVE. To compare the predictive ability of three frailty indices for all-cause and one-year mortality among high- (HIC), middle- (MIC), and low- income country (LIC) participants; and to assess the mortality risk associated with multi-morbidity. METHODS. Using data from the Prospective Urban and Rural Epidemiological (PURE) study, we developed three indices using different definitions of frailty (one phenotypic frailty index; two cumulative deficit indices). All indices were tested for predictive ability for mortality both individually and with multi-morbidity. RESULTS. Prevalence of phenotypic frailty was greatest in LIC (8%), intermediate in MIC (7%), and lowest in HIC (4%). Multi-morbidity was most prevalent in HIC (20%), intermediate in MIC (15%), and lowest in LIC (13%). Increased frailty was associated with greater mortality risk using all frailty indices (e.g. HR (95% CI) of 2.63 (2.35-2.95) for the phenotypically frail relative to the robust). At each frailty level, mortality risk was higher within one year of baseline measurement than afterwards, and increased if it was accompanied by concurrent multi-morbidity (e.g. HR of phenotypic frailty increases from 2.27 (1.96-2.62) to 5.08 (4.34-5.95) if accompanied by multi-morbidity). CONCLUSION. All frailty indices predicted mortality. This study is unique in evaluating the prognostic ability of frailty indices in middle-aged adults across HIC, MIC, and LICs.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».