Clinical Frailty Scale för prediktion av död, framtida funktionsnivå och livskvalitet för personer i behov av intensivvård
Fråga och sammanfattning
Fråga
Predicerar CFS död, framtida funktionsförmåga eller livskvalitet för personer i behov av intensivvård, på grund av luftvägsinfektion eller annan orsak?
Frågeställare: Krisledningen på Socialstyrelsen
Sammanfattning
SBU:s upplysningstjänst har, efter litteratursökning och relevansgranskning, identifierat 23 primärstudier vilka anses relevanta för frågeställningen. Elva av studierna bedömdes ha låg eller måttlig risk för bias för minst ett utfall. I studierna användes CFS för att skatta den skörhet som fanns hos personerna innan inläggning för intensivvård. De studier som har identifierats är framför allt gjorda på populationen äldre patienter i behov av intensivvård, där orsaken till intensivvård varierar. Ingen av studierna undersökte personer som enbart hade luftvägsinfektion. Studierna är genomförda från år 2014 och framåt varav flertalet de senaste två åren. De flesta studier kommer från Europa och Kanada. Ett flertal är multicenterstudier där vissa har ett deltagande från svenska kliniker. Studierna som har identifierats med låg eller måttlig risk för bias beskrivs kortfattat i texten nedan och samtliga studier presenteras översiktligt i Tabell 1.
SBU:s upplysningstjänst har identifierat:
- Åtta studier, med låg eller måttlig risk för bias, där validitet och reliabiliteten av CFS för patienter i behov av intensivvård utvärderades[1] [2] [3] [4] [5] [6] [7] [8]. Sju av dessa studier, varav en är en svensk studie [1], undersökte prediktion av död [1] [2] [3] [4] [5] [7] [8].
- Två studier, med måttlig risk för bias, där författarna studerade hur väl CFS predicerar framtida funktionsförmåga för personer i behov av intensivvård [4] [6].
- En studie, med måttlig risk för bias, där författarna studerade hur väl CFS predicerar framtida livskvalitet för personer i behov av intensivvård [4].
- Fyra studier, med låg eller måttlig risk för bias, där författarna studerade test-retest reliabilitet för CFS hos intensivvårdspatienter [2] [3] [9] [10].
Resultaten i studierna med låg eller måttlig risk för bias visar att skattning med CFS till viss del predicerar död under sjukhusvistelse och inom 30 dagar. Studierna visar att risken ökar med ökad skörhet per skalsteg. I den svenska studie som har identifierats finner författarna att CFS kan predicera död inom 30 dagar med AUC (area under curve) på 0,74 (95 % KI, 0,9 till 0,79) [1]. Två av studierna har även analyserat optimalt tröskelvärde för att predicera död med syfte att kunna använda skalan dikotomt gällande skörhet och då funnit att risken för död tydligt ökar från och med skalsteg fem och högre [1,5].
I studien av Hope och medarbetare visar resultaten att risken för nedsatt funktionsförmåga vid sex månader kan kopplas till ökning per enhet på CFS-skalan [6]. I studien av Brummel och medarbetare är resultaten mer varierade beroende på skattningsformulär och tidpunkt [4].
Avseende livskvalitet presenteras varierande resultat från studien av Brummel och medarbetare [4].
Det bör påpekas att ingen av studierna visar att CFS kan predicera något av utfallen (död, funktionsförmåga och livskvalitet) för samtliga individer som undersökts. Det innebär exempelvis att det kommer att finnas individer som bedömts ha en hög skörhetsgrad som inte avlider inom 30 dagar och individer som har en lägre skörhetsgrad men ändå gör det.
Tabell 1 Identifierade studier presenterade utifrån åldersgrupp och utfall (författare, referens, årtal, risk för bias).
| a Utfallet i denna studie är nedsatt funktionsförmåga eller död inom sex månader som ett sammansatt utfall. b I denna studie presenteras även utfallet död inom 1 år c I denna studie presenteras även utfallet död inom 6 månader d Dessa studier bygger på samma patientmaterial |
||||||
| Utfall | ||||||
| Åldersgrupp | Död under intensivvårdsvistelsen eller sjukhusvistelsen | Död inom 30 dagar | Död inom 90 dagar | Funktionsförmåga | Livskvalitet | Test-retest reliabilitet |
| ≥18 år 7 studier |
Fernando et al 2019, [11] Hög Montgomery et al 2019, [12] Hög Shears et al 2018, [3] Måttlig |
De Geer et al 2020, [1] Låg |
Brummel et al 2017, [4] Måttlig | Hope et ala 2017, [13] Hög Brummel et al 2017, [4] Måttlig |
Brummel et al 2017, [4] Måttlig | Shears et al 2018, [3] Måttlig |
| ≥50 år 6 studier |
Bagshaw et alb 2014, [8] Måttlig, avseende detta utfall Darvall et alc 2019, [14] Hög Kara et al 2018 [15] Hög Tipping et al 2019, [16] Hög |
Hope et al 2019, [6]d Måttlig |
Bagshaw et alb 2014, [8] Hög, avseende detta utfall |
Hope et ald 2019, [9] Måttlig |
||
| ≥60 år 1 studie |
Pugh et al 2019, [10] Hög, avseende detta utfall |
Pugh et al 2019, [10] Måttlig, avseende detta utfall | ||||
| ≥65 år 3 studier |
Fernando et al 2019, [17] Hög Le Maguet et alc 2014, [18] Hög Langlais et al 2018, [7] Måttlig |
|||||
| ≥70 år 1 studie |
Silva-Obregon et al 2020, [19] Hög |
Silva-Obregon et al 2020, [19] Hög |
Silva-Obregon et al 2020, [19] Hög |
|||
| ≥80 år 3 studier |
Guidet et al 2020, [2] Låg Flaateen et al 2017, [5] Låg Darvall et al 2019, [20] Hög |
Guidet et al 2020, [2] Låg Flaateen et al 2017, [5] Låg |
Guidet et al 2020, [2] Låg |
|||
| Uppgift saknas 2 studier |
Fisher et al 2018, [21] Hög |
Pugh et al 2017, [22] Hög |
||||
Bakgrund
The Clinical Frailty Scale utvecklades av kanadensiska forskare inom ramen för The Canadian Study of Health and Aging -2. Studien påbörjades år 1996 och resultaten publicerades år 2005 [23]. Målet var att ta fram ett bedömningsinstrument som var enkelt att använda och som kunde predicera behov av särskilt boende och förväntad återstående livslängd. Huvuddelen av de patienter som ingick i ursprungsstudien hade någon grad av demens. I studien bedömdes 2 305 äldre personer utifrån det nya instrumentet som sedan fick namnet The Clinical Frailty Scale (CFS). Deltagarna följdes under fem år och forskarna analyserade hur väl skalan predicerade de två utfallen behov av särskilt boende och död. The Clinical Frailty Scale bestod ursprungligen av sju skalsteg men reviderades år 2007 från sju till nio skalsteg [24]. Steg 7, ”Severely Frail”, som i ursprungsversionen omfattade bedömningarna ”Completely dependent on others for activities of daily living, or terminally ill”, delades upp i tre kategorier, steg 7–9 ”Severely frail”, “Very severely frail” and “Terminally ill”. CFS-7 översattes år 2009 till svenska i samarbete med Linköpings universitet [25] [26] [27]. Test-retest reliabiliteten av den svenska versionen av CFS-7 undersöktes i september år 2009 [26]. Den svenska versionen av CFS-7 har antagits av instrumentägaren (prof. Rockwood, Dalhousie university, Canada). I samband med detta tillfrågades om forskargruppen även kunde översätta CFS-9. Översättningen av CFS-9 till svenska skedde i mars 2017 i nära samarbete med Linköpings universitet (se Tabell 2). Även den svenska versionen av CFS-9 har antagits av instrumentägaren.
Tabell 2 Den svenska versionen av Clinical Frailty Scale-9 [28].
| Steg | Beskrivning |
| 1 | Mycket vital – individer som är starka, aktiva, energiska och motiverade. De brukar ofta träna regelbundet. De tillhör de som är i bäst skick för sin ålder. |
| 2 | Vital – individer som inte har några sjukdomssymtom men som är i sämre skick än individer i kategori 1. De tränar ofta eller är emellanåt mycket aktiva, till exempel beroende på årstid. |
| 3 | Klarar sig bra – individer vars medicinska problem är väl kontrollerade, men som inte regelbundet är aktiva utöver vanliga promenader. |
| 4 | Sårbar – är inte beroende av andras hjälp i vardagen, men har ofta symtom som begränsar deras aktiviteter. Ett vanligt klagomål är att de begränsas (”saktas ned”) och/eller blir trötta under dagen. |
| 5 | Lindrigt skör – dessa individer är ofta uppenbart långsammare, och behöver hjälp med komplexa IADL (Instrumental Activities of Daily Living)-aktiviteter (ekonomi, transporter, tungt hushållsarbete, medicinering). Lindrig skörhet försämrar i allmänhet förmågan att handla och gå ut på egen hand, laga mat och utföra hushållarbete. |
| 6 | Måttligt skör – individer som behöver hjälp med alla utomhusaktiviteter och hushållsarbete. Inomhus har de ofta problem med trappor, behöver hjälp med att tvätta sig, och kan behöva minimal hjälp (uppmaning, stöd) med att klä på sig. |
| 7 | Allvarligt skör – är helt beroende av andra för personlig egenvård oavsett orsak (fysisk eller kognitiv). Trots det framstår de som stabila och utan hög risk för att dö (inom ungefär 6 månader). |
| 8 | Mycket allvarligt skör – helt beroende, närmar sig livets slut. De kan i allmänhet inte tillfriskna ens från en lindrig sjukdom. |
| 9 | Terminalt sjuk – närmar sig livets slut. I den här kategorin ingår individer med en förväntad återstående livslängd på mindre än 6 månader utan övriga uppenbara tecken på skörhet. |
Metod
Frågor enligt PICOTS1
Frågan är formulerad enligt följande PICOTS:
- Population: Personer i behov av intensivvård2
- Index test: Clinical Frailty Scale
- Kontroll/referenstest: Annan skattningsskala för skörhet eller ingen kontroll
- Outcome:
- Död
- Funktionsförmåga
- Livskvalitet
- Tidpunkt: Inom 90 dagar
- Setting: Stratifiering av risk för att avlida, erhålla olika grad av nedsatt funktionsförmåga eller livskvalitet
Vi redovisar även resultat från studier som undersöker test-retest-reliabiliteten av Clinical Frailty Scale hos intensivvårdspatienter.
1. PICOTS är en förkortning för patient/population/problem, intervention/index test, comparison/control (jämförelseintervention), outcome (utfallsmått), timing (tidpunkt) och setting (kontext).
2. Här efterfrågades särskilt om det fanns studier som undersökte personer i behov av intensivvård med respirator på grund av luftvägsinfektion.
Avgränsningar
Ingen avgränsning har gjorts på språk. Protokoll samt konferensabstrakt har exkluderats.
Två systematiska översikter som är relevanta för frågeställningen och bedömdes ha måttlig risk för bias identifierades genom en sonderande sökning på området [29] [30]. Dessa översikter är publicerade år 2017 respektive år 2018 och sökte litteratur publicerad fram till och med oktober 2017. Därför avgränsades sökningarna till att gälla primärstudier publicerade år 2017 och framåt.
Litteratursökning
Projektets informationsspecialist utformade och genomförde litteratursökningarna i samråd med projektgruppen. I sökstrategierna användes söktermer ur databasernas olika ämnesordslistor tillsammans med söktermer hämtade ur abstrakt och titlar (se avsnittet Litteratursökning för fullständig dokumentation). Litteratursökningen avsåg att identifiera studier som använde antingen Clinical Frailty Scale eller Frailty Index. Dessa två instrument valdes då de studier som identifierats i de systematiska översikterna handlade om dessa instrument.
Litteratursökningarna utfördes i mars–april 2020 i följande internationella databaser: CINAHL (EBSCO), EMBASE (Embase.com), PubMed (NLM), Scopus (Elsevier).
Metodik för urval av studier
Två projektledare på SBU läste alla artikelsammanfattningar samt fulltextartiklar oberoende av varandra. Oenighet löstes genom diskussion mellan de två granskarna och vid behov tillfrågades alla medlemmar i projektgruppen. De artiklar som inte var relevanta för frågan exkluderades. Relevanta studier har tabellerats efter frågeställning. Ingen formell syntes eller evidensgradering av resultat har gjorts.
Metodik för bedömning av risk för bias
Två projektledare har oberoende av varandra bedömt risken för bias i översikterna med stöd av de frågor som finns beskrivna i AMSTAR granskningsmall [31]. Oenighet löstes genom diskussion mellan de två granskarna och vid behov tillfrågades ytterligare en projektledare.
Risken för bias i primärstudier har bedömts översiktligt med hjälp av en mall (Bilaga 1) som baserar sig på ett urval av de frågor som ingår i PROBAST granskningsmall som är framtagen för bedömning av studier som utvärderar prognostiska modeller [32]. Två projektledare har oberoende av varandra bedömt risken för bias i primärstudierna. Oenighet löstes genom diskussion mellan de två granskarna och vid behov tillfrågades alla medlemmar i projektgruppen. Risken för bias har även bedömts för de primärstudier som ingick i de systematiska översikterna.
Några av de identifierade studierna har utöver att undersöka hur väl CFS predicerar död även utvecklat egna prediktionsmodeller där fler faktorer än just CFS ingår. Vi har i vår bedömning av risk för bias inte granskat någon av dessa nya modeller som tagits fram. Generellt kan dock sägas att en ny prediktionsmodell alltid bör valideras i ett annat patientmaterial än det som användes när den utvecklades (helst i en ny studie av en annan forskargrupp) för att säkerställa validiteten.
Resultat
Resultat
Upplysningstjänstens litteratursökning genererade totalt 366 artikelsammanfattningar (abstrakt) efter dubblettkontroll (se Figur 1). Två projektledare på SBU läste alla artikelsammanfattningar och bedömde att 101 kunde vara relevanta. Dessa artiklar lästes i fulltext av båda projektledarna. De artiklar som inte var relevanta för frågan exkluderades. I upplysningstjänstsvaret kvalitetsgranskades 23 primärstudier och två systematiska översikter som var relevanta för frågan (se Figur 1). De exkluderade studierna finns beskrivna i Bilaga 2.
I studier på intensivvårdspatienter avser skattning med CFS-9 skörheten som förelåg hos personen innan intensivvårdsvårdtillfället.
Flödesschema ingående studier
Figur 1 Flödesschema ingående studier.
Systematiska översikter
Två systematiska översikter med måttlig risk för bias har inkluderats [29] [30]. Då det tillkommit 16 nya primärstudier på området sedan de senaste relevanta systematiska översikterna publicerades har vi valt att redovisa resultatet från samtliga primärstudier, inklusive de sju studier som ingick i någon av dessa översikter, för att på så sätt ge en mer komplett bild av forskningsläget. Av den anledningen presenteras inte resultatet från översikterna i någon tabell. Båda översikterna undersöker vilka studier det finns avseende bedömningsinstrument för att skatta skörhet hos personer som är i behov av intensivvård. Förutom studier som undersöker bedömning med CFS identifierades även studier som använder något av följande instrument; frailty index (vanligast förekommande näst efter CFS) frailty phenotype, eller comprehensive geriatric assessment. De studier som tillkommit på området gör att kunskapsunderlaget blivit mer omfattande, men resultaten från studierna motsäger inte resultatet i de båda översikterna.
Primärstudier
Validitet och reliabilitet av CFS för intensivvårdspatienter.
Åtta studier innehöll data om validitet, det vill säga i vilken utsträckning bedömningsmetoden predicerar död för personer i behov av intensivvård, samt reliabilitet, det vill säga huruvida resultaten blir desamma ifall undersökningen genomförs på nytt. Dessa studier undersökte CFS för:
- prediktion av död [1] [2] [3] [4] [5] [7] [8]
- prediktion av funktionsförmåga [4] [6]
- prediktion av livskvalitet [4].
I Tabell 3 sammanfattas resultatet från dessa studier på en övergripande nivå och i Bilaga 3 beskrivs studierna i detalj.
Samtliga studier visar att CFS predicerar död och att risken ökar med ökande skalsteg. I studien av Hope och medarbetare som undersöker prediktion av nedsatt funktionsförmåga finner forskarna att risken kan kopplas till ökning per enhet på CFS-skalan [6].
Tabell 3 Sammanfattande resultat för studier med låg eller måttlig risk för bias som undersöker prediktion av död, funktionsförmåga eller livskvalitet.
| HR = Hazard ratio; ICU = Intensive care unit; IRR = Incident rate ratio; OR = Odds ratio; SOFA = The sequential organ failure assessment a Presenterar även data för sex månader. |
||
| Författare År, referens Land Antal patienter |
Utfall | Resultat |
| De Geer et al 2020, [1] Sverige 872 patienter |
Död inom 30 dagar CFS ≥5 | Receiver operating curve (ROC) Area under the curve (AUC): 0,74 (95 % KI, 0,69 till 0,79) Justerat för sjukdomens svårighetsgrad samsjuklighet, begränsningar i behandling, ålder och kön: HR 2.12 (95 % KI, 1,44 till 3,14) |
| Guidet et al 2020, [2] VIP2 22 länder, varav ett är Sverige 3 920 patienter |
Prediktorer för död inom 30 dagar | (HR; 95 % KI) Ålder (riskökning per ålderökning ökning med 1 år) 1,02 (1 till 1,03, p=0,01), diagnos vid intagning, SOFA (riskökning per stegökning i skalan): 1,15 (1,14 till 1,17, p<0,0001) and CFS (riskökning per stegökning i skalan): 1,1 (1,05 till 1,15, p<0,001) |
| Flaatten et al 2017, [5] VIP1 21 länder, varav ett är Sverige 5 021 patienter |
Överlevnad inom 30 dagar CFS ≥5 | HR 1,54 (95 % KI, 1,38 till 1,73) |
| Brummel et al 2017, [4] USA 1 040 patienter |
Död inom 3 månader CFS 4 versus CFS 3 |
HR 1,4 (95 % KI, 1,1 till 1,8) |
| Shears et al 2018, [3] Kanada 150 patienter |
Död under sjukhusvistelsen per ökat skalsteg med CFS | OR 1,19 (95 % KI, 0,89 till 1,59) |
| Bagshaw et al 2014, [8] Kanada 421 patienter |
Död under sjukhusvistelsen CFS ≥5 |
Justerat OR 1,81 (95 % KI, 1,09 till 3,01) |
| Langlais et al 2018, [7] Frankrike 189 patienter |
Död under sjukhusvistelsen | AUC 0,62 (95 % KI, 0,53 till 0,71) |
| Hope et al 2019, [6] USA 302 patienter |
Funktionsförmåga Nedsatt ADL-funktion efter 6 månader per ökat skalsteg med CFS |
Justerad IRR (95 % KI) 1,39 (1,15 till 1,67) |
| Nedsatt ADL-funktion efter 6 månader CFS ≥5 |
Justerad IRR (95 % KI) 2,58 (1,67 till 3,99) | |
| Brummel et al 2017, [4] USA 1 040 patienter |
Funktionsförmåga IADL disability (uppmätt med by Functional Activities Questionnaire) 3 månadera CFS 4 versus CFS 3 |
Justerad OR 1,2 (1,0 till 1,4) |
| BADL disability (uppmätt med Katz ADL) 3 månadera CFS 4 versus CFS 3 |
Justerad OR 1,1 (0,9 till 1,3) | |
| Brummel et al 2017, [4] USA 1 040 patienter |
Livskvalitet SF-36 Physical Component, 3 månader CFS 4 versus CFS 3 via linjär regression |
–2,1 (3,0 till 1,1) |
| SF-36 Mental Component, 3 månader CFS 4 versus CFS 3 via linjär regression |
0,5 (0,9 till 2,0) | |
Studier som undersöker prediktion av död med ett tröskelvärde
I många av de identifierade studierna har författarna presenterat data för prediktion av död utifrån om personerna bedöms sköra respektive icke sköra med CFS. Det vanligaste tröskelvärdet som har använts för denna uppdelning är mellan skalsteg 4 och 5, även om det inte finns någon validering av tröskelvärdet i originalstudierna. Många av studierna som bedömdes ha hög risk för bias har enbart presenterat data utifrån denna uppdelning och inte per skalsteg, vilket gör att det inte går att bedöma om det finns något samband mellan skalsteg och risk.
Två av studierna i detta underlag har dock analyserat optimalt tröskelvärde för att predicera död med syfte att kunna använda skalan dikotomt gällande skörhet och då funnit att risken för död tydligt ökar från och med skalsteg 5 och högre. [1] [5].
Studier som jämför CFS med annat bedömningsinstrument
Sex studier jämför CFS med annat bedömningsinstrument. Samtliga av dessa studier bedömdes ha hög risk för bias (se Tabell 4).
Tabell 4 Studier som jämför CFS med annat bedömningsinstrument.
| Bedömningsinstrument (Antal studier) |
Referens |
| Edmonton frailty scale (2 studier med hög risk för bias) |
[14] [15] |
| Frailty phenotype (2 studier med hög risk för bias) |
[16] [18] |
| Fried’s original five frailty domains (1 studie med hög risk för bias) |
[13] |
| FI-lab (1 studie med hög risk för bias) |
[17] |
Om hur bedömningen med CFS genomfördes i studierna och test-retest reliabilitet
I studier på intensivvårdspatienter används CFS-9 för att skatta den skörheten som fanns innan sjukdomen som ledde till att intensivvårdtillfället uppstod. Vem som skattat CFS, personal eller anhöriga, skiljer sig åt mellan studierna. I de fall personal skattat kan bedömningen dels bygga på samtal med patienterna, dels, i de fall där patienterna inte kunnat delta, inhämtat från patienternas anhöriga.
Fem studier har på något sätt undersökt skalans interna reliabilitet [2] [3] [9] [10] [22]. I studierna anges att reliabiliteten är ”god” (Linear weighted Kappa: 0,74 (95 % KI, 0,67 till 0,80 [10], 0,85 (95 % KI, 0,84 till 0,87 [2]) om skattning utförts av olika typer av vårdpersonal. När skattning som gjorts av vårdpersonal respektive anhörig jämfördes såg man en skillnad där anhöriga tenderade att skatta lägre på skalan än vårdpersonal, det vill säga bedöma personen som mindre skör [9].
Sex studier undersökte korrelationen mellan CFS och annan skala för att skatta skörhet (se Tabell 4) [13] [14] [15] [16] [17] [18]. Samtliga av dessa studier har bedömts ha en hög risk för bias (Bilaga 4).
Studier med hög risk för bias
Totalt bedömdes tolv studier ha hög risk för bias [11–20] [22] [33]. Studien av Pugh och medarbetare bedömdes ha hög risk för bias för utfallet död men måttlig risk för bias för utfallet test-retest reliabilitet [10]. Studien av Bagshaw och medarbetare bedömdes ha hög risk för bias för utfallet livskvalitet men måttlig risk för bias för utfallet död [8].
De flesta av de studier som bedömdes ha hög risk för bias har presenterat prediktion av död med CFS utifrån en dikotom uppdelning av CFS-skalan. Det vanligast förekommande tröskelvärdet är att de som personer som bedöms ligga på steg på mellan 1–4 på CFS klassas som icke skör, medan personer som bedöms ligga på steg på mellan 5–9 på skalan klassas som sköra. Orsaken till att studierna klassats som hög risk för bias inkluderar att de använt ett icke konsekutivt urval av populationen som undersökts, att studierna var retrospektiva, att CFS skattats retrospektivt utifrån journaldata, att studierna var små med få händelser samt att det fanns oklarheter i hur data presenterats och analyserats. Samtliga studier med hög risk för bias finns beskrivna i Bilaga 4.
Bland dessa studier finns en studie där författarna undersökte CFS för patienter som fick respiratorvård [11]. Andelen patienter som får respiratorvård på grund av ”respiratory failure” var dock under 20 procent. Det finns också en studie där bedömning med CFS för patienter med någon typ av infektion undersöktes, i denna studie var andelen med luftvägsinfektion 48 procent [17].
Två av studierna är stora retrospektiva registerstudier med data från över 15 000 personer från Kanada respektive Australien och Nya Zeeland [12] [20]. Resultatet från båda dessa studier överensstämmer med resultaten från de prospektiva studierna med låg eller måttlig risk för bias.
Resultatet från de flesta av dessa studier sammanfaller väl med resultatet från de studier som bedömdes ha låg eller måttlig risk för bias, undantagen till detta är resultaten i studien av Fisher och medarbetare [33] samt i studien av Pugh och medarbetare [10]. Båda dessa studier är dock små med få händelser (död) vilket skulle kunna vara en förklaring till att ingen signifikant prediktiv effekt syns.
Övriga studier
Vi har identifierat ytterligare sex publikationer som är relevanta för frågeställningen i vilka subpopulationer av redan presenterade studier görs. Framförallt är det analyser av delpopulationer från den multinationella studien av Flaatten och medarbetare som kallas VIP 1 [5]. Vi har inte bedömt risken för bias eller tabellerat dessa studier då patientmaterialet redan ingår i de studier som beskrivits ovan. De sex publikationerna är.
- En publikation av De Lange och medarbetare, där författarna utvecklar en ny prediktionsmodell där CFS ingår [34]. Artikeln baserar sig på data från VIP-1 studien.
- Tre artiklar där analyser för subpopulationer från VIP 1 studien presenteras [35] [36] [37].
- En artikel av Hope och medarbetare som inkluderar samma patientmaterial och som denna studie av samma författare [9]. Skillnaden är att man i den nya artikel undersöker korrelationen mellan dem som fått avvikande skattning på CFS av olika bedömarna och död [38].
- En artikel av Marra och medarbetare som bygger på samma studie som presenteras av Brummel och medförfattare [4]. I artikeln presenteras utfallet funktionsförmåga som till viss del överlappar de data som presenteras i tidigare [21].
Begränsningar
Vi har i denna rapport enbart gjort en övergripande sammanställning av de studier som finns på området, men ingen formell sammanvägning eller evidensgradering av resultaten. De identifierade studiernas risk för bias har bedömts med hjälp av en modifierad mall på övergripande nivå.
Projektgrupp
Detta svar är sammanställt av Christel Hellberg (projektledare på SBU), Marie Österberg (projektledare på SBU), Malin Höistad (projektledare på SBU), Agneta Petersson (projektledare på SBU), Jan Adolfsson (medicinskt sakkunnig på SBU), Claes Lennmarken (docent, sakkunnig), Emma Palmqvist Wojda (utredare på SBU), Sara Fundell (projektadministratör på SBU), Irene Edebert (produktsamordnare på SBU) och Pernilla Östlund (avdelningschef på SBU).
Litteratursökning
| Search terms | Items found | |
| The search result, usually found at the end of the documentation, forms the list of abstracts.; [MeSH] = Term from the Medline controlled vocabulary, including terms found below this term in the MeSH hierarchy; [MeSH:NoExp] = Does not include terms found below this term in the MeSH hierarchy; [MAJR] = MeSH Major Topic; [TIAB] = Title or abstract; [TI] = Title; Systematic[SB] = Filter for retrieving systematic reviews; * = Truncation | ||
| Population: | ||
| 1. | “Critical Care”[Mesh] | 56 746 |
| 2. | “Intensive Care Units”[Mesh] | 82 287 |
| 3. | “Critical Illness”[Mesh] | 27 989 |
| 4. | critical care[Title/Abstract] | 29 925 |
| 5. | Critical illness[Title/Abstract] | 8 819 |
| 6. | critically ill[Title/Abstract] | 43 135 |
| 7. | Intensive care[Title/Abstract] | 140 634 |
| 8, | ICU[Title/Abstract] | 54 277 |
| 9. | 1-8 (OR) | 248 489 |
| 10 | “Airway Management”[Mesh] | 133 633 |
| 11. | “Respiratory Insufficiency”[Mesh] | 63 557 |
| 12. | Influenza, Human[Mesh] | 48 335 |
| 13. | Pneumonia[Mesh] | 90 785 |
| 14. | Ventilat*[Title/Abstract] | 162 458 |
| 15. | Respirat*[Title/Abstract] | 485 671 |
| 16. | Airway*[Title/Abstract] | 159 850 |
| 17. | Intubat*[Title/Abstract] | 55 233 |
| 18. | Influenza[Title/Abstract] | 94 940 |
| 19. | Pneumoni*[Title/Abstract] | 177 432 |
| 20. | Pulmonary[Title/Abstract] | 535 174 |
| 21 | Lung*[Title/Abstract] | 633 130 |
| 22. | 10-21 (OR) | 1 782 341 |
| 23. | 9 OR 22 | 1 967 584 |
| 24. | “Severe Acute Respiratory Syndrome Coronavirus 2”[Supplementary Concept] | 353 |
| 25. | severe acute respiratory syndrome coronavirus 2[Title/abstract] | 183 |
| 26. | 2019nCoV[Title/Abstract] | 394 |
| 27. | 2019-nCov[Title/Abstract] | 402 |
| 28. | CoVID-19[Title/Abstract] | 1 758 |
| 29. | CoVID19[Title/Abstract] | 1 749 |
| 30. | SARS-CoV-2[Title/Abstract] | 614 |
| 31. | CoVid[Title/Abstract] | 1 772 |
| 32. | nCov[Title/Abstract] | 419 |
| 33. | novel coronavirus[Title/Abstract] | 1 143 |
| 34. | new coronavirus[Title/Abstract] | 163 |
| 35. | coronavirus 2019[Title/Abstract] | 228 |
| 36. | SARS coronavirus 2[Title/Abstract] | 5 |
| 37. | 24-36 (OR) | 2 850 |
| 38. | “Severe Acute Respiratory Syndrome”[Mesh] | 4 484 |
| 39. | “SARS Virus”[Mesh] | 2 916 |
| 40. | Severe acute respiratory syndrome[Title/Abstract] | 4 807 |
| 41. | SARS[Title/Abstract] | 9 046 |
| 42. | SARS-CoV[Title/Abstract] | 2 915 |
| 43. | 38-42 (OR) | 10 581 |
| 44. | “Coronavirus Infections”[Mesh:NoExp] | 4 679 |
| 45. | “Middle East Respiratory Syndrome Coronavirus”[Mesh] | 982 |
| 46. | MERS[Title/Abstract] | 4 156 |
| 47. | MERS-CoV[Title/Abstract] | 1 563 |
| 48. | Middle East respiratory syndrome[Title/Abstract] | 1 818 |
| 49. | Middle East respiratory syndrome-related coronavirus[Title/Abstract] | 10 |
| 50. | EMC/2012 | 15 |
| 51. | 44-50 (OR) | 7 923 |
| 52. | 37 OR 43 OR 51 | 18 852 |
| 53. | 23 OR 52 | 1 977 403 |
| Intervention: | ||
| 54. | Clinical frailty scale[Title/Abstract] | 295 |
| 55. | Csha-cfs[Title/Abstract] | 19 |
| 56. | frailty index[Title/Abstract] | 1 238 |
| 57. | 54 OR 55 OR 56 | 1 489 |
| Combined sets: | ||
| 58. | 23 AND 57 | 183 |
| 59. | 53 AND 57 | 183 |
| Limits: | ||
| 60. | 59 and limit 2017 - | 133 |
| Final 60 | 133 | |
| /de = Term from the EMTREE controlled vocabulary; /exp = Includes terms found below this term in the EMTREE hierarchy; /mj = Major Topic; :ab = Abstract; :au = Author; :ti = Article Title; :ti,ab = Title or abstract; * = Truncation; ’ ’ = Citation Marks; searches for an exact phrase | ||
| Search terms | Items found | |
| Population: | ||
| 1. | ‘intensive care’/exp | 699 967 |
| 2. | ‘intensive care unit’/exp | 186 548 |
| 3. | ‘critical illness’/exp | 28 616 |
| 4. | ‘critically ill patient’/exp | 42 781 |
| 5. | ‘critical care’:ti,ab,kw | 45 100 |
| 6. | ‘critical illness’:ti,ab,kw | 11 979 |
| 7. | ‘critically ill’:ti,ab,kw | 63 867 |
| 8. | ‘intensive care’:ti,ab,kw | 202 584 |
| 9. | ‘icu’:ti,ab,kw | 111 350 |
| 10. | 1-9 (OR) | 916 778 |
| 11. | ‘assisted ventilation’/exp | 168 620 |
| 12. | ‘respiratory failure’/exp | 101 148 |
| 13. | ‘virus pneumonia’/exp | 15 552 |
| 14. | ‘viral respiratory tract infection’/exp | 3 886 |
| 15. | ‘ventilat*’:ti,ab,kw | 239 525 |
| 16. | ‘respirat*’:ti,ab,kw | 651 176 |
| 17. | ‘airway*’:ti,ab,kw | 229 402 |
| 18. | ‘intubat*’:ti,ab,kw | 86 825 |
| 19. | ‘influenza’:ti,ab,kw | 111 342 |
| 20. | ‘pneumoni*’ :ti,ab,kw | 249 310 |
| 21. | ‘pulmonary’:ti,ab,kw | 730 432 |
| 22. | ‘lung*’:ti,ab,kw | 932 588 |
| 23. | 11-22 (OR) | 2 435 961 |
| 24. | 10 OR 23 | 3 035 795 |
| 25. | ‘coronavirus disease 2019’/exp | 166 |
| 26. | ‘sars-related coronavirus’/de | 46 |
| 27. | ‘severe acute respiratory syndrome coronavirus 2’:ti,ab,kw | 113 |
| 28. | ‘2019-ncov’:ti,ab,kw | 344 |
| 29. | ‘covid-19’:ti,ab,kw | 1 104 |
| 30. | ‘covid19’:ti,ab,kw | 9 |
| 31. | ‘sars-cov-2':ti,ab,kw | 401 |
| 32. | ‘covid’:ti,ab,kw | 1 117 |
| 33. | ‘ncov’:ti,ab,kw | 359 |
| 34. | ‘novel coronavirus’:ti,ab,kw | 1 016 |
| 35. | ‘new coronavirus’:ti,ab,kw | 151 |
| 36. | ‘coronavirus 2019’:ti,ab,kw | 194 |
| 37. | ‘sars coronavirus 2’:ti,ab,kw | 7 |
| 38. | 25-37 (OR) | 2 199 |
| 39. | ‘severe acute respiratory syndrome’/exp | 8 242 |
| 40. | ‘sars coronavirus’/exp | 4 858 |
| 41. | ‘severe acute respiratory syndrome’:ti,ab,kw | 4 956 |
| 42. | ‘sars’:ti,ab,kw | 9 674 |
| 43. | ‘sars-cov’:ti,ab,kw | 2 804 |
| 44. | 39-43 (OR) | 14 056 |
| 45. | ‘middle east respiratory syndrome coronavirus’/exp | 1 886 |
| 46. | ‘middle east respiratory syndrome’/exp | 1 031 |
| 47. | ‘mers’:ti,ab | 4 456 |
| 48. | ‘mers-cov’:ti,ab | 1 659 |
| 49. | ‘middle east respiratory syndrome’:ti,ab | 1 905 |
| 50. | ‘emc/2012’:ti,ab | 24 |
| 51. | 45-50 (OR) | 5 253 |
| 52. | 38 OR 44 OR 51 | 19 516 |
| 53. | 24 OR 52 | 3 044 399 |
| Intervention: | ||
| 54. | ‘clinical frailty scale’/exp | 128 |
| 55. | ‘frailty index’/exp | 185 |
| 56. | ‘clinical frailty scale’:ab,ti,kw | 604 |
| 57. | ‘csha-cfs’:ab,ti,kw | 34 |
| 58. | ‘frailty index’:ab,ti,kw | 2 001 |
| 59. | 54-58 (OR) | 2 592 |
| Combined sets | ||
| 60. | 24 AND 59 | 428 |
| 61. | 53 AND 59 | 428 |
| Limits: | ||
| 62. | 61 limit 2017 - | 284 |
| Final | 284 | |
| The search result, usually found at the end of the documentation, forms the list of abstracts.; TITLE-ABS-KEY = Title or abstract or keywords; * = Truncation | ||
| Search terms | Items found | |
| Population: | ||
| 1. | TITLE-ABS-KEY(“critical care”) | 70 360 |
| 2. | TITLE-ABS-KEY(“critical illness”) | 44 195 |
| 3. | TITLE-ABS-KEY(“critically ill”) | 59 453 |
| 4. | TITLE-ABS-KEY(“intensive care”) | 289 685 |
| 5. | TITLE-ABS-KEY(ICU) | 66 375 |
| 6. | 1-5 (OR) | 349 952 |
| 7. | TITLE-ABS-KEY(ventilat*) | 347 495 |
| 8. | TITLE-ABS-KEY(respirat*) | 1 097 689 |
| 9. | TITLE-ABS-KEY(airway) | 228 056 |
| 10. | TITLE-ABS-KEY(intubat*) | 115 733 |
| 11. | TITLE-ABS-KEY(influenza) | 151 754 |
| 12. | TITLE-ABS-KEY(pneumoni*) | 370 746 |
| 13. | TITLE-ABS-KEY(pulmonary) | 775 658 |
| 14. | TITLE-ABS-KEY(lung) | 1 471 367 |
| 15. | 7-14 (OR) | 2 938 457 |
| 16. | 6 OR 15 | 3 152 556 |
| 17. | TITLE-ABS-KEY ( "severe acute respiratory syndrome coronavirus 2" ) | 308 |
| 18. | TITLE-ABS-KEY ( "2019-ncov" ) | 259 |
| 19. | TITLE-ABS-KEY ( "covid-19" ) | 796 |
| 20. | TITLE-ABS-KEY ( "covid19" b) | 3 |
| 21. | TITLE-ABS-KEY ( "sars-cov-2" ) | 248 |
| 22. | TITLE-ABS-KEY ( "covid" ) | 804 |
| 23. | TITLE-ABS-KEY ( "ncov" ) | 276 |
| 24. | TITLE-ABS-KEY ( "novel coronavirus" ) | 871 |
| 25. | TITLE-ABS-KEY ( "new coronavirus" ) | 152 |
| 26. | TITLE-ABS-KEY ( "coronavirus 2019" ) | 151 |
| 27. | TITLE-ABS-KEY ( "sars coronavirus 2" ) | 14 |
| 28. | 17-27 (OR) | 1 634 |
| 29. | TITLE-ABS-KEY ( "severe acute respiratory syndrome" ) | 10 545 |
| 30. | TITLE-ABS-KEY ( "sars" ) | 100 532 |
| 31. | TITLE-ABS-KEY ( "sars-cov" ) | 2 765 |
| 32. | 29-31 (OR) | 103 904 |
| 33. | TITLE-ABS-KEY ( "mers" ) | 32 349 |
| 34. | TITLE-ABS-KEY ( "mers-cov" ) | 1 587 |
| 35. | TITLE-ABS-KEY ( "middle east respiratory syndrome" ) | 2 576 |
| 36. | TITLE-ABS-KEY( "emc/2012" ) | 41 |
| 37. | 33-36 (OR) | 33 120 |
| 38. | 28 OR 32 OR 37 | 136 593 |
| 39. | 16 OR 38 | 3 272 784 |
| Intervention: | ||
| 40. | TITLE-ABS-KEY(“clinical frailty scale”) | 330 |
| 41. | TITLE-ABS-KEY(csha-cfs) | 21 |
| 42. | TITLE-ABS-KEY(“frailty index”) | 1 356 |
| 43. | 40-42 (OR) | 1 635 |
| Combined sets: | ||
| 44. | 16 AND 43 | 280 |
| 45. | 39 AND 43 | 280 |
| Limits: | ||
| 46. | 45 limit 2017 - | 203 |
| Final | 203 | |
| The search result, usually found at the end of the documentation, forms the list of abstracts.; AB = Abstract; DE = Term from the thesaurus; MM = Major Concept; TI = Title; * = Truncation; “ “ = Citation Marks; searches for an exact phrase | ||
| Search terms | Items found | |
| Population: | ||
| 1. | MH “Critical Care” | 23 830 |
| 2. | MH “Critical Illness” | 12 216 |
| 3. | MH “Critically Ill Patients” | 13 452 |
| 4. | MH “Intensive Care Units” | 40 072 |
| 5. | MH “Respiratory Care Units” | 181 |
| 6. | TI "critical care" OR AB "critical care" | 23 198 |
| 7. | TI "Critical illness" OR AB "Critical illness" | 4 474 |
| 8. | TI "critically ill" OR AB "critically ill" | 21 775 |
| 9. | TI "Intensive care" OR AB "Intensive care" | 64 499 |
| 10. | TI "ICU" OR AB "ICU" | 28 650 |
| 11. | 1-10 (OR) | 126 925 |
| 12. | MH “Respiration, Artificial+” | 33 869 |
| 13. | MH “Respiratory Failure+” | 14 861 |
| 14. | MH “Airway Management+” | 21 225 |
| 15. | MH “Ventilator Patients” | 2 659 |
| 16. | MH “Pneumonia, Viral” | 728 |
| 17. | MH “Influenza, Human” | 5 978 |
| 18. | TI "ventila*" OR AB "ventilat*" | 49 016 |
| 19. | TI "respirat*" OR AB "respirat*" | 89 112 |
| 20. | TI "airway*" OR AB "airway*" | 34 603 |
| 21. | TI "intubat*" OR AB "intubat*" | 17 001 |
| 22. | TI "influenza" OR AB "influenza" | 19 137 |
| 23. | TI "pneumoni*" OR AB "pneumoni*" | 34 343 |
| 24. | TI "pulmonary" OR AB "pulmonary" | 95 961 |
| 25. | TI "lung*" OR AB "lung*" | 108 749 |
| 26. | 12-25 (OR) | 353 075 |
| 27. | 11 OR 26 | 445 634 |
| 28. | TI "severe acute respiratory syndrome coronavirus 2" OR AB "severe acute respiratory syndrome coronavirus 2” | 14 |
| 29. | TI "2019 nCoV" OR AB "2019 nCoV” | 2 |
| 30. | TI “2019-nCov” OR AB “2019-nCov” | 75 |
| 31. | TI CoVID-19 OR AB CoVID-19 | 233 |
| 32. | TI CoVID19 OR AB CoVID19 | 2 |
| 33. | TI SARS-CoV-2 OR AB SARS-CoV-2 | 43 |
| 34. | TI “SARS CoV 2” OR AB “SARS CoV 2” | 1 |
| 35. | TI CoVid OR AB CoVid | 3 |
| 36. | TI nCov OR AB nCov | 9 |
| 37. | TI “novel coronavirus” OR AB “novel coronavirus” | 231 |
| 38. | TI “new coronavirus” OR AB “new coronavirus” | 39 |
| 39. | TI "coronavirus 2019” OR AB coronavirus 2019” | 90 |
| 40. | 28-39 (OR) | 479 |
| 41. | MH “Severe Acute Respiratory Syndrome” | 1 997 |
| 42. | MH “SARS Virus” | 158 |
| 43. | TI “Severe acute respiratory syndrome” OR AB “Severe acute respiratory syndrome” | 1 056 |
| 44. | TI SARS OR AB SARS | 2 304 |
| 45. | TI SARS-CoV OR AB SARS-CoV | 99 |
| 46. | 41-45 (OR) | 3 332 |
| 47. | MH “Middle East Respiratory Syndrome Coronavirus” | 372 |
| 48. | MH “Middle East Respiratory Syndrome” | 245 |
| 49. | TI MERS OR AB MERS | 959 |
| 50. | TI MERS-CoV OR AB MERS-CoV | 400 |
| 51. | TI “Middle East respiratory syndrome” OR AB “Middle East respiratory syndrome” | 611 |
| 52. | TI “Middle East respiratory syndrome-related coronavirus” OR AB “Middle East respiratory syndrome-related coronavirus” | 2 |
| 53. | TI “EMC/2012” OR AB “EMC/2012” | 4 |
| 54. | 47-53 (OR) | 1 195 |
| 55. | 40 OR 46 OR 54 | 4 711 |
| 56. | 27 OR 55 | 446 435 |
| Intervention: | ||
| 57. | TI “clinical frailty scale” OR AB “clinical frailty scale” | 202 |
| 58. | TI “csha-cfs” OR AB “csha-cfs” | 14 |
| 59. | TI “frailty index” OR AB “frailty index” | 728 |
| 60. | 57-59 (OR) | 903 |
| Combined sets: | ||
| 61. | 27 AND 60 | 105 |
| 62. | 56 AND 60 | 105 |
| Limits: | ||
| 63. | 62 limit 2017 - | 67 |
| Final | 67 | |
Referenser
- De Geer L, Fredrikson M, Tibblin AO. Frailty predicts 30-day mortality in intensive care patients: A prospective prediction study. Eur J Anaesthesiol 2020.
- Guidet B, de Lange DW, Boumendil A, Leaver S, Watson X, Boulanger C, et al. The contribution of frailty, cognition, activity of daily life and comorbidities on outcome in acutely admitted patients over 80 years in European ICUs: the VIP2 study. Intensive Care Med 2020;46:57-69.
- Shears M, Takaoka A, Rochwerg B, Bagshaw SM, Johnstone J, Holding A, et al. Assessing frailty in the intensive care unit: A reliability and validity study. J Crit Care 2018;45:197-203.
- Brummel NE, Bell SP, Girard TD, Pandharipande PP, Jackson JC, Morandi A, et al. Frailty and subsequent disability and mortality among patients with critical illness. Am J Respir Crit Care Med 2017;196:64-72.
- Flaatten H, De Lange DW, Morandi A, Andersen FH, Artigas A, Bertolini G, et al. The impact of frailty on ICU and 30-day mortality and the level of care in very elderly patients (≥ 80 years). Intensive Care Medicine 2017;43:1820-8.
- Hope AA, Law J, Nair R, Kim M, Verghese J, Gong MN. Frailty, Acute Organ Dysfunction, and Increased Disability After Hospitalization in Older Adults Who Survive Critical Illness: A Prospective Cohort Study. J Intensive Care Med 2019:885066619881115.
- Langlais E, Nesseler N, Le Pabic E, Frasca D, Launey Y, Seguin P. Does the clinical frailty score improve the accuracy of the SOFA score in predicting hospital mortality in elderly critically ill patients? A prospective observational study. J Crit Care 2018;46:67-72.
- Bagshaw SM, Stelfox HT, McDermid RC, Rolfson DB, Tsuyuki RT, Baig N, et al. Association between frailty and short- and long-term outcomes among critically ill patients: a multicentre prospective cohort study. CMAJ 2014;186:E95-102.
- Hope AA, Munoz M, Hsieh SJ, Gong MN. Surrogates' and Researchers' Assessments of Prehospital Frailty in Critically Ill Older Adults. Am J Crit Care 2019;28:117-23.
- Pugh RJ, Battle CE, Thorpe C, Lynch C, Williams JP, Campbell A, et al. Reliability of frailty assessment in the critically ill: a multicentre prospective observational study. Anaesthesia 2019;74:758-64.
- Fernando SM, McIsaac DI, Rochwerg B, Bagshaw SM, Muscedere J, Munshi L, et al. Frailty and invasive mechanical ventilation: association with outcomes, extubation failure, and tracheostomy. Intensive Care Med 2019;45:1742-52.
- Montgomery CL, Zuege DJ, Rolfson DB, Opgenorth D, Hudson D, Stelfox HT, et al. Implementation of population-level screening for frailty among patients admitted to adult intensive care in Alberta, Canada. Can J Anaesth 2019;66:1310-9.
- Hope AA, Hsieh SJ, Petti A, Hurtado-Sbordoni M, Verghese J, Gong MN. Assessing the usefulness and validity of frailty markers in critically ill adults. Ann Am Thorac Soc 2017;14:952-9.
- Darvall JN, Greentree K, Braat MS, Story DA, Lim WK. Contributors to frailty in critical illness: Multi-dimensional analysis of the Clinical Frailty Scale. J Crit Care 2019;52:193-9.
- Kara I, Yildirim F, Zerman A, Gullu Z, Boyaci N, Aydogan BB, et al. The impact of frailty on noninvasive mechanical ventilation in elderly medical intensive care unit patients. Aging Clin Exp Res 2018;30:359-66.
- Tipping CJ, Hodgson CL, Harrold M, Chan T, Holland AE. Frailty in patients with trauma who are critically Ill: A prospective observational study to determine feasibility, concordance, and construct and predictive validity of 2 frailty measures. Phys Ther 2019;99:1089-97.
- Fernando SM, McIsaac DI, Perry JJ, Rochwerg B, Bagshaw SM, Thavorn K, et al. Frailty and associated outcomes and resource utilization among older ICU patients with suspected infection. Crit Care Med 2019;47:e669-e676.
- Le Maguet P, Roquilly A, Lasocki S, Asehnoune K, Carise E, Saint Martin M, et al. Prevalence and impact of frailty on mortality in elderly ICU patients: a prospective, multicenter, observational study. Intensive Care Med 2014;40:674-82.
- Silva-Obregon JA, Quintana-Diaz M, Saboya-Sanchez S, Marian-Crespo C, Romera-Ortega MA, Chamorro-Jambrina C, et al. Frailty as a predictor of short- and long-term mortality in critically ill older medical patients. J Crit Care 2020;55:79-85.
- Darvall JN, Bellomo R, Paul E, Subramaniam A, Santamaria JD, Bagshaw SM, et al. Frailty in very old critically ill patients in Australia and New Zealand: a population-based cohort study. Med J Aust 2019;211:318-23.
- Marra A, Pandharipande PP, Girard TD, Patel MB, Hughes CG, Jackson JC, et al. Co-Occurrence of Post-intensive care syndrome problems among 406 survivors of critical illness. Crit Care Med 2018;46:1393-401.
- Pugh RJ, Thorpe CM, Subbe CP. A critical age: Can we reliably measure frailty in critical care? Crit Care 2017;21.
- Rockwood K, Song X, MacKnight C, Bergman H, Hogan DB, McDowell I, et al. A global clinical measure of fitness and frailty in elderly people. CMAJ 2005;173:489-95.
- Clinical Frailty Scale, Geriatric Medicine Research. Dalhousie University, Halifax, Nova Scotia, Canada. [Cited 2020 April 28]. Available from: https://www.dal.ca/sites/gmr/our-tools/clinical-frailty-scale.html.
- Ekerstad N. Micro level priority setting for elderly patients with acute cardiovascular disease and complex needs: Practice what we preach or preach what we practice? [Doctoral thesis, comprehensive summary]. Linköping: Linköping University Electronic Press; 2011.
- Ekerstad N, Swahn E, Janzon M, Alfredsson J, Lofmark R, Lindenberger M, et al. Frailty is independently associated with short-term outcomes for elderly patients with non-ST-segment elevation myocardial infarction. Circulation 2011;124:2397-404.
- SBU. Omhändertagande av äldre som inkommer akut till sjukhus – med fokus på sköra äldre. Stockholm: Statens beredning för medicinsk utvärdering (SBU); 2013. SBU-rapport nr 221. ISBN 978-91-85413-62-1.
- Instrument för att skatta skörhet hos äldre sprids i svensk sjukvård. Linköpings universitet. [Cited 2020 April 28]. Available from: https://liu.se/artikel/instrument-att-skatta-skorhet. In.
- Pugh RJ, Ellison A, Pye K, Subbe CP, Thorpe CM, Lone NI, et al. Feasibility and reliability of frailty assessment in the critically ill: A systematic review. Crit Care 2018;22.
- Muscedere J, Waters B, Varambally A, Bagshaw SM, Boyd JG, Maslove D, et al. The impact of frailty on intensive care unit outcomes: a systematic review and meta-analysis. Intensive Care Med 2017;43:1105-22.
- Shea BJ, Grimshaw JM, Wells GA, Boers M, Andersson N, Hamel C, et al. Development of AMSTAR: a measurement tool to assess the methodological quality of systematic reviews. BMC Med Res Methodol 2007;7:10.
- Wolff RF, Moons KGM, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: A tool to assess the risk of bias and applicability of prediction model studies. Ann Intern Med 2019;170:51-8.
- Fisher C, Karalapillai DK, Bailey M, Glassford NG, Bellomo R, Jones D. Predicting intensive care and hospital outcome with the Dalhousie Clinical Frailty Scale: a pilot assessment. Anaesth Intensive Care 2015;43:361-8.
- de Lange DW, Brinkman S, Flaatten H, Boumendil A, Morandi A, Andersen FH, et al. Cumulative prognostic score predicting mortality in patients older than 80 years admitted to the ICU. J Am Geriatr Soc 2019;67:1263-7.
- Muessig JM, Nia AM, Masyuk M, Lauten A, Sacher AL, Brenner T, et al. Clinical Frailty Scale (CFS) reliably stratifies octogenarians in German ICUs: a multicentre prospective cohort study. BMC geriatrics 2018;18:162.
- Jung C, Wernly B, Muessig JM, Kelm M, Boumendil A, Morandi A, et al. A comparison of very old patients admitted to intensive care unit after acute versus elective surgery or intervention. J Crit Care 2019;52:141-8.
- Fronczek J, Polok KJ, Nowak-Kózka I, Włudarczyk A, Górka J, Czuczwar M, et al. Frailty is associated with an increased mortality among patients ≥80 years old treated in Polish ICUs. Anaesthesiol Intensive Ther 2018;50:245-51.
- Hope AA, Ng Gong M. Discordance about frailty diagnosis between surrogates and physicians and its relationship to hospital mortality in critically ill older adults. J Frailty Aging 2019;8:176-9.
Statens beredning för medicinsk och social utvärdering
Dela sidan på Facebook
Dela sidan på LinkedIn
Dela sidan på X
Dela sidan via E-post
