A Cross-Sectional Study of the Prevalence, Correlates, and Costs of Falls in Older Home Care Clients ‘At Risk’ for Falling
Notice bibliographique
Résumé
RÉSUMÉ Cette étude a examiné la prévalence pendant 6 mois, à l’aide des services de soutien à domicile, des facteurs de risque et des coûts de chutes de personnes âgées qui sont à risque de chute. Des 109 participants, 70,6 pour cent ont indiqué une chute dans les six mois précédents et 27,5 pour cent ont éprouvé plusieurs chutes. Bien qu’il n’y avait aucune différence statistiquement significative dans n’importe quel facteur de risque lié à la chute parmi ceux qui sont tombés (1+ chutes) et ceux qui ne sont pas tombés (0 chutes), ceux qui sont tombés ont montrés des tendances de plus en plus évidentes de fonctionnement réduit sur le plan physique, social et psychologique. Dans le coût total par personne d’utilisation des services de santé au cours des 6 derniers mois, il n’y avait aucune différence statistiquement significative entre ceux qui sont tombés et ceux qui ne sont pas tombés; toutefois, il y avait des différences significatives entre les groupes dans certains types de services de santé. L’analyse multivariable a révélé la présence de cinq facteurs de risques de chutes: troubles neurologiques (p. ex., diminution cognitive, maladie de Parkinson), l’âge ≥85 ans, risques environnementaux, glissade ou trébuchant précédente et déficience visuelle.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».