La fragilité et l'utilisation des services de santé chez les aînés québécois victimes d'une fracture mineure
Bibliographic record
Abstract
Peu de données sont disponibles quant à l’utilisation des services de santé par les personnes âgées fragiles ayant subi une fracture. Actuellement, cette information provient principalement d’études de cohortes ou d’essais cliniques. Dans de telles études, la fragilité est généralement mesurée à l’aide d’indices ou d’échelles cliniques. Ces mesures ne sont généralement pas incluses dans les bases de données administratives disponibles pour la prise de décision, la surveillance ou la recherche populationnelle. Cependant, avec l’augmentation attendue des ressources de santé liées à la fragilité, les méthodes pour identifier les aînés fragiles dans ces bases de données sont prioritaires. Nous avons donc conduit une étude de cohorte populationnelle pour décrire et identifier les services de santé utilisés par cette population après une consultation médicale pour une fracture mineure. Les objectifs de cette étude étaient d’évaluer la prévalence de la fragilité des aînés ayant subi une fracture mineure dans les bases de données administratives de santé du Québec, d’examiner la relation entre la fragilité et l’utilisation des services de santé dans l’année qui a suivi la consultation médicale pour cette fracture et de mesurer l’excès de la consommation des services de santé suivant la fracture récente. Il existe de nombreuses raisons de mesurer la fragilité, incluant l’identification des personnes présentant un risque accru de problèmes de santé. Cette étude populationnelle suggère que les personnes âgées identifiées comme fragiles par l’«Elders Risk Assessment index» et qui sont victimes de fractures même mineures utilisent davantage les services de santé dans l’année suivant leur fracture. Cette utilisation des bases de données administratives du Québec indique que, dans une perspective de santé publique, il est possible de les utiliser pour la surveillance de la fragilité et de ses conséquences pour les personnes âgées.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.011 | 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 teacher head, 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".