Effect of Stroke on Fall Rate, Location and Predictors: A Prospective Comparison of Older Adults with and without Stroke
Notice bibliographique
Résumé
BACKGROUND: The literature suggests that stroke is a major risk factor for falls, but there is a lack of prospective, controlled studies which quantify fall-risk after stroke. The purpose of this study was to compare the rates, location and predictors among individuals recently discharged home from stroke rehabilitation to age and sex matched controls. METHODOLOGY/PRINCIPAL FINDINGS: A sample of 80 people with stroke and 90 controls received baseline assessments of balance, mobility and balance confidence. Falls were recorded prospectively over 13 months for both groups. Group differences in fall rates and contribution of clinical measures to falls were determined using negative binomial regression. Fall location was compared between groups using χ(2) statistics. The rate of falls for individuals with stroke was 1.77 times the rate for the control group. People with stroke were more likely to fall at home. Poorer balance (Berg Balance Scale) was associated with greater falls for both stroke and control groups (incidence rate ratio [IRR]: 0.908 and IRR: 0.877 respectively). A faster Timed Up and Go Test was associated with greater falls for the stroke group (IRR: 0.955) while better walking endurance (Six Minute Walk Test) was associated with greater falls for the controls (IRR: 1.004). Balance confidence was not an independent predictor in either group. CONCLUSIONS: Individuals recently discharged home are at greater risk of falling than individuals without stroke. Attention to home environment is warranted. Balance function can predict falls for both people with stroke and age and sex matched controls. Increased mobility may increase exposure to fall opportunities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».