Ayaktan Kliniğe Başvuran 60 Yaş Üstündeki Hastalarda Geriatrik Sendrom Prevalansı
Bibliographic record
Abstract
Amaç:. Bu çalışmanın amacı toplumdaki yaşlı bireylerde yaşa göre malnutrisyon, demans, düşme, polifarmasi, üriner inkontinans, sarkopeni, kırılganlık gibi geriatrik sendromların sıklığının gösterilmesidir. Metod: Geriatri polikliniğine başvuran 2191 hasta çalışmaya kabul edildi. Hastaların demografik özellikleri, kullandıkları ilaç sayısı, son bir yıl içerisinde düşme olup olmadığı, üriner inkontinansının olup olmadığı retrospektif olarak sorgulandı. Hastalara ayrıntılı geriatrik değerlendirme amacıyla yapılan günlük yaşam aktiviteleri, Mini Nütrisyonel Değerlendirme (MNA), Mini Mental Durum Muayenesi (MMSE), Montreal Kognitif Değerlendirme Ölçeği (MOCA), Kognitif Durum Testi (COST) testleri gözden geçirildi. MNA kısa formunda 7 puan ve aşağısı alan hastalarda malnütrisyon olduğu kabul edildi. Beş ve üzeri ilaç kullanımı olanlarda polifarmasi olduğu belirtildi. Beyin görüntülemesi ve kognitif testleri ile Mental Bozuklukların Tanısal ve Sayımsal El Kitabı IV (DSM-4) kriterlerine göre demans tanısı alan hastalar tarandı. Bunun yanı sıra hastalarda kırılganlık ve sarkopeninin değerlendirilmesi için Fried fiziksel kırılganlık ölçeği, biyoimpedans değerleri, 4 metre yürüme hızı ve el kavrama gücü kullanıldı. Sarkopeni tanısı Avrupa Yaşlılarda Sarkopeni Çalışma Grubu (EWGSOP) kriterleri ile belirlendi. Sonuçlar: Çalışmaya katılan hastalarda geriatrik sendrom sıklıkları sırası ile polifarmasi %55, malnütrisyon %9, depresyon %33, demans %26, üriner inkontinans %46, düşme %33, sarkopeni ve kırılganlık %25 olarak görüldü. Hastalar 60-69, 70-79 ve ≥80 yaş olarak üç gruba ayrıldığında depresyon hariç bütün sendromların yaşla birlikte anlamlı olarak daha sık görüldüğü tespit edildi. Aynı anda hastalarda 3 ve daha fazla sendrom görülme sıklığının özellikle ≥80 yaşta belirginleştiği bulundu. Sonuç: Geriatrik sendromlar yaşlılarda özellikle artan yaşla sıklıkla karşımıza çıkmaktadır. Bu sendromların yalnızca geriatristler tarafınca değil, bütün sağlık basamaklarında tanınması ve önlemlerin alınması gereklidir.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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; both teacher heads agree on what is shown here.
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".