Drawing on Related Knowledge to Advance Multiple Sclerosis Falls-Prevention Research
Notice bibliographique
Résumé
There is much to be learned from falls-related research outside the field of multiple sclerosis (MS), as well as from work within the MS field but not specific to falls or falls prevention. This article describes three examples of such bodies of work that have potential to broaden approaches to falls-prevention research: 1) sensory components of postural control among older adults, 2) lessons learned from physical activity promotion among people with spinal cord injury (SCI), and 3) aging among people with MS. Age-related deterioration in visual, vestibular, and somatosensory systems or in sensory integration can adversely affect postural control and can contribute to falls in older people. Sensory-specific interventions designed for improving balance in older people could be adapted for preventing falls in individuals with MS. Spinal Cord Injury (SCI) Action Canada's strategy for disseminating physical activity promotion interventions for adults with SCI has been successful and widely accepted by community partners. Many of the peer-based interventions developed by SCI Action Canada are potentially relevant and could be adapted to the MS population for both physical activity promotion and falls prevention. Considering that older people with MS constitute a growing proportion of the MS population and over 70% of older people with MS report moderate to extreme balance problems, falls prevention should be one of the key components, particularly for MS management in older or more disabled groups. Overall, given people's different ages, symptoms, strengths, and barriers, a tailored MS falls-prevention intervention that includes peer/caregiver support is critical.
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 | 0,001 |
| 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 ».