Evaluation of Falls Risk in Community-Dwelling Older Adults Using Body-Worn Sensors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Falls are the most common cause of injury and hospitalization and one of the principal causes of death and disability in older adults worldwide. This study aimed to determine if a method based on body-worn sensor data can prospectively predict falls in community-dwelling older adults, and to compare its falls prediction performance to two standard methods on the same data set. METHODS: Data were acquired using body-worn sensors, mounted on the left and right shanks, from 226 community-dwelling older adults (mean age 71.5 ± 6.7 years, 164 female) to quantify gait and lower limb movement while performing the 'Timed Up and Go' (TUG) test in a geriatric research clinic. Participants were contacted by telephone 2 years following their initial assessment to determine if they had fallen. These outcome data were used to create statistical models to predict falls. RESULTS: Results obtained through cross-validation yielded a mean classification accuracy of 79.69% (mean 95% CI: 77.09-82.34) in prospectively identifying participants that fell during the follow-up period. Results were significantly (p < 0.0001) more accurate than those obtained for falls risk estimation using two standard measures of falls risk (manually timed TUG and the Berg balance score, which yielded mean classification accuracies of 59.43% (95% CI: 58.07-60.84) and 64.30% (95% CI: 62.56-66.09), respectively). CONCLUSION: Results suggest that the quantification of movement during the TUG test using body-worn sensors could lead to a robust method for assessing future falls risk.
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.
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 | 0,007 | 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 découle