A Short Physical Performance Battery (SPPB) como preditora da fragilidade em idosos residentes na comunidade
Bibliographic record
Abstract
Introducao: A SPPB proporciona informacao sobre a funcao fisica e e preditora de eventos adversos de saude em idosos. A fragilidade e uma sindrome multidimensional que aumenta a susceptibilidade a doencas e incapacidade. Entretanto, pode ser possivel prevenir ou postergar a fragilidade se ela for identificada precocemente. O objetivo desse estudo foi analisar a habilidade da SPPB em predizer a fragilidade em uma populacao de idosos jovens residentes na comunidade de cidades com condicoes socioeconomicas distintas. Metodos: Os dados foram extraidos da comunidade de idosos (65-74 anos) do Canada (Saint Bruno; n = 60) e do Brasil (Santa Cruz; n = 64). A SPPB foi usada para avaliar o desempenho fisico. A fragilidade foi definida como a presenca de ≥ 3 dos criterios: perda de peso, exaustao, fraqueza, limitacao da mobilidade e baixo nivel de atividade fisica. Um ponto foi dado para cada criterio encontrado, totalizando um escore da fragilidade que variou de 0 a 5. As analises de Regressao Linear e ROC foram realizadas para avaliar a capacidade preditiva da SPPB. Resultados: A media de idade foi de 69,48 anos, 10% da amostra de Saint Bruno e 28,1% da amostra de Santa Cruz eram frageis (p = 0,001), as medias de escores da SPPB foram de 9,6 e 8,5 respectivamente (p = 0,01). A SPPB correlacionou-se ao escore da fragilidade (R2 = 0,33), com melhores resultados para Saint Bruno. Um ponto de corte de 9 na SPPB teve boa sensitividade e especificidade em discriminar frageis de nao frageis em Saint Bruno (AUC = 0,81), mas mostrou piores resultados em Santa Cruz (AUC = 0,61). Conclusao: A SPPB tem moderada habilidade em predizer a fragilidade entre a populacao de idosos e e um teste util para identificar pessoas com boa funcionalidade e baixa fragilidade quando os escores da SPPB sao ≥ 9
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".