Falls among community-residing stroke survivors following inpatient rehabilitation: a descriptive analysis of longitudinal data
Notice bibliographique
Résumé
BACKGROUND: Stroke victims are at relatively high risk for injurious falls. The purpose of this study was to document longitudinal fall patterns following inpatient rehabilitation for first-time stroke survivors. METHODS: Participants (n = 231) were recruited at the end of their rehab stay and interviewed monthly via telephone for 1 to 32 months regarding fall incidents. Analyses were conducted on: total reports of falls by month over time for first-time and repeat fallers, the incidence of falling in any given month; and factors differing between fallers and non fallers. RESULTS: The largest percentage of participants (14%) reported falling in the first month post-discharge. After month five, less than 10% of the sample reported falling, bar months 15 (10.4%) and 23 (13.2%). From months one to nine, the percentage of those reporting one fall with and without a prior fall were similar. After month nine, the number of individuals who reported a single fall with a fall history was twice as high compared to those without a prior fall who reported falling. In both cases the percentages were small. A very small subset of the population emerged who fell multiple times each month, most of whom had a prior fall history. At least a third of the sample reported a loss of balance each month. Few factors differed significantly between fallers and non-fallers in months one to six. CONCLUSION: Longitudinal data suggest that falls most likely linked to first time strokes occur in the first six months post discharge, particularly month one. Data routinely available at discharge does not distinguish fallers from non-fallers. Once a fall incident has occurred however, preventive intervention is warranted.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».