Finding Fallers Using Telephone Versus Home Interviews and Laypersons Versus Health Professionals: Is the Information Valid?
Notice bibliographique
Résumé
Objective and Design: This study determined the consistency of falls reporting between a telephone and in-person home interview using a cross-sectional design. Response consistency between the modes according to type of telephone interviewer, layperson, or health professional was also examined. Subjects: Three-hundred sixty-six community-dwelling individuals who were at high risk for falls because of a previous stroke or hip fracture participated: 107 required proxy assistance during interviewing. Results: The telephone and home interview provided similar estimates of the percentages of individuals not falling in the past month, 90% versus 92%. The overall sensitivity of the telephone interview to identifying fallers was 97% with a corresponding specificity of 98%. McNemar's X2 statistic indicated a significant difference (X2 = 5.44; p < .05) between the modes on the reporting of falls such that 38 falls were reported during the telephone interview versus 31 during the home interview. Layperson telephone interviewers were able to detect fallers as successfully as health professionals. Conclusion: The findings suggest that a telephone interview performed by a trained layperson may offer a cost-reduced means of identifying community-dwelling individuals at high risk of falls. Given the strong evidence that falls prevention programs are highly successful, this cost-effective strategy to detect individuals at high risk for falls is promising for injury prevention and health promotion.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».