Fatores associados à fragilidade em pessoas idosas usuárias de serviços de Atenção Primária à Saúde de uma capital da Amazônia Brasileira
Bibliographic record
Abstract
Resumo Objetivo Estimar a prevalência da síndrome de fragilidade e sua associação com variáveis socioeconômicas, demográficas e de saúde, em idosos atendidos em duas Unidades de Saúde (US) no município de Rio Branco, Acre, no período de outubro de 2016 a junho de 2017. Método A prevalência de síndrome de fragilidade foi medida pela Edmonton Frail Scale (EFS), investigada em uma amostra calculada de 298 pessoas idosas, selecionadas aleatoriamente por meio de sorteio. Utilizou-se a Regressão de Poisson, com variância robusta e intervalos de confiança de 95%, para estimar as razões de prevalência e definir o modelo ajustado. Todas as análises levaram em consideração os pesos. Resultados Verificou-se que 35,1% da amostra apresentou fragilidade. A prevalência de fragilidade foi associada a ter 75 anos ou mais, inatividade física, risco nutricional, deficit cognitivo, percepção negativa da saúde, usar 5 ou mais medicamentos e ter/histórico de câncer, queda no último ano, morar sozinho, segurança de bairro insatisfatória e ser da etnia/cor não branca. Conclusão Verificou-se o perfil de alerta para rastreio da fragilidade, que poderá auxiliar na prática clínica dos profissionais das US da população de estudo e, ainda, considera a necessidade de implantação e fortalecimento de programas de atenção à saúde da pessoa idosa e atuação de matriciamento e/ou grupos de apoio multiprofissional à Saúde da Família.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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".