PRÉ-FRAGILIDADE EM PESSOAS IDOSAS: PREVALÊNCIA E FATORES ASSOCIADOS
Bibliographic record
Abstract
RESUMO Objetivo: analisar a prevalência da pré-fragilidade em pessoas idosas residentes na comunidade e os fatores associados. Método: estudo transversal, realizado com 291 idosos cadastrados em unidades de Estratégia Saúde da Família. A pré-fragilidade foi mensurada por meio da Edmonton Frail Scale; e as demais variáveis, com instrumentos diversos. Os dados foram coletados no período de junho a agosto de 2018. A análise dos dados ocorreu por meio dos testes qui-quadrado de Mantel Haenszel, teste de Fisher e regressão multivariada de Poisson. Resultados: a prevalência de pré-fragilidade foi de 69,42% (IC 95%; 63,77%-74,66%). Os fatores associados à pré-fragilidade foram: baixa escolaridade (RP=1,37; IC 95%: 1,11-1,71), dependência para as atividades básicas (RP=1,39; IC 95%: 1,22-1,59) e instrumentais de vida diária (RP=1,58; IC 95%: 1,40-1,78), humor depressivo (RP=1,53; IC 95%: 1,31-1,78), autoavaliação negativa de saúde (RP=1,39; IC 95%: 1,15-1,69), polifarmácia (RP=1,30; IC 95%: 1,13-1,50) e risco nutricional (RP=1,27; IC 95%: 1,09-1,46). Conclusão: a prevalência da pré-fragilidade foi acima da encontrada em outros estudos que utilizaram o mesmo instrumento, e as variáveis associadas a esse desfecho demonstraram a existência de um fenômeno comum entre as pessoas idosas. São resultados importantes, pois evidenciam a necessidade de investimento em pesquisas e intervenções preventivas sobre as condições clínicas, funcionais e sociais dessa população. Além disso, é preciso investir em programas de capacitação profissional para o atendimento integral da pessoa idosa, sobretudo no que se refere à avaliação e prevenção da fragilidade.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".