How Well Do Functional Assessments of Mobility and Balance Discriminate Fallers and Recurrent Fallers from Non-Fallers among Ambulatory Older Adults in the Community?
Notice bibliographique
Résumé
PURPOSE: 1) To compare the ability of functional mobility and balance assessments in discriminating fallers from non-fallers and recurrent fallers from those with fewer or no falls. 2) To compare the discriminatory accuracy of cut-off scores specific to this study sample with that of cut-off scores proposed in the literature for community-dwelling older adults. METHODS: In a sample of 39 ambulatory older adults living independently in the community, fallers were identified on the basis of number of falls in the past year. Seven functional tests of mobility and balance were used to identify fallers and recurrent fallers on the basis of their fall history. RESULTS: Discrimination of fallers from non-fallers was poor: Only a high-level balance assessment significantly discriminated these groups (p=0.0498, area under the curve [AUC]=0.68). Four assessments significantly discriminated recurrent fallers from those with fewer or no falls (ps=0.006-0.009), but their discriminatory powers were not significantly different from one another (AUCs=0.77-0.80, p>0.05). For two assessments, cutoff scores based on the study sample enhanced discriminatory accuracy relative to the literature-based cutoff scores. CONCLUSIONS: To improve fall prediction for ambulatory community-dwelling older adults, future prospective studies should consider including high-level mobility and balance assessments and targeting cutoff scores to the level of function of this relatively high-functioning population.
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 | 0,001 | 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 | 0,001 |
| 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 ».