Preventing falls and related injuries among seniors in assisted living residences
Notice bibliographique
Résumé
Introduction The purpose of this study was to addresses a gap in the fall prevention literature with a focus on Assisted Living Residences (ALRs) – a new community housing option for a rapidly growing number of older persons that are at high risk falls. The result of the 1-year collaborative study was the development of Best Practice Guidelines for integration into routine care. Methods A 6-month prospective, action research intervention was conducted at two ALR sites, with 161 residents. Measures included focus groups, pre/post staff and resident surveys, pre/post measures of balance and gait, and 6-month fall/injury surveillance. Interventions included staff and resident training on fall tracking, fall prevention education for staff and residents, and physical activity interventions. Results Over 6 months, 155 falls were recorded, with 38% (N=73) of residents identified as having at least one fall and 43% (N=72) of falls resulting in injury. There was a statistically significant reduction in the rate of falls per 1000 resident days between the first and second three-month periods (X 2 =11.98; p=0.001). Fall risk reduction was demonstrated by a significant difference (t=3.16, p=.002) in pre/post Timed-Up-and-Go scores. Focus group findings included the need to tailor prevention to joiners and non-joiners of group intervention activities. Conclusion The study demonstrated that fall prevention guidelines can be implemented within routine service delivery in ALRs with a positive effect on fall risk reduction.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».