Prognostic accuracy of frailty & vulnerability screening in older ED patients: a systematic review & meta-analysis
Notice bibliographique
Résumé
Abstract Frailty is associated with increased mortality and morbidity in older adults, highlighting the need for effective screening in emergency departments (EDs). However, the optimal tool for predicting adverse outcomes remains uncertain. Therefore, our review’s question is: which frailty and vulnerability screening instrument has the highest prognostic accuracy for adverse outcomes in older adults visiting EDs? Studies were eligible for inclusion if they included patients aged ≥60 admitted to the ED, used frailty or vulnerability instruments, and reported sensitivity, specificity, and area under the curve (AUC). Databases searched until January 25, 2025, included MEDLINE, EMBASE, Cochrane Library, CINAHL, and CNKI. Study quality was assessed using the updated Quality in Prognosis Studies (QUIPS) tool. Two investigators independently reviewed abstracts and full-texts. A meta-analysis was conducted for tools with consistent cutoffs in ≥ 4 studies. Sixty-seven papers described 62 studies using 40 screening instruments. The Identification of Seniors at Risk (ISAR) was the most frequently used (n = 25), followed by the Clinical Frailty Scale (CFS) (n = 15) and the Triage Risk Screening Tool (TRST)(n = 11). Most instruments showed high sensitivity but low specificity. Meta-analysis was feasible for ISAR and TRST. ISAR’s pooled sensitivity, specificity, and AUC for in-hospital mortality were 92% (95% CI, 88-95), 26% (95% CI, 21-33), and 0.82. For ED revisits, ISAR’s AUC was 0.64, while TRST’s was 0.60. Frailty screening instruments in EDs exhibit high sensitivity but low specificity, limiting clinical utility. Future research should enhance specificity by incorporating domains beyond geriatric conditions and known prognostic indicators into frailty instruments in large-scale studies.
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 | 0,016 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,041 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».