Functional Performance as a Predictor of Injurious Falls in Older Adults
Notice bibliographique
Résumé
OBJECTIVES: To determine whether a performance battery and its components aid in predicting injurious falls. DESIGN: Longitudinal analysis; prospective cohort study. SETTING: Clinical site. PARTICIPANTS: Boston-area community-dwelling adults (N = 755; mean age ± SD 78.1 ± 5.4, 64.1% female, 77.6% white). MEASUREMENTS: Baseline functional performance was determined according to the Short Physical Performance Battery (SPPB), measuring balance, gait speed, and five repeated chair stands. Fall history (past year) and efficacy in performing 10 daily activities without falling were assessed. Falls were assessed using a daily calendar over 4 years. Injurious falls were defined as resulting in fractures, sprains, dislocations, pulled or torn muscles, ligaments, or tendons or seeking medical attention. RESULTS: Poorest chair stand performance (≥16.7 seconds) was associated with greater hazard of injurious falls than in all other chair stand performance groups (hazard ratio (HR) = 1.96, 95% confidence interval (CI) = 1.18-3.26 for ≥ 16.7 vs. 13.7-16.6 seconds; HR = 1.65, 95% CI = 1.07-2.55 for ≥ 16.7 vs. 11.2-13.6 seconds, HR = 1.60, 95% CI = 1.03-2.48 for ≥ 16.7 vs. <11.2 seconds). SPPB did not predict injurious falls. Fall history predicted injurious falls (HR = 1.82, 95% CI = 1.39-2.39); falls efficacy did not. Fall history and a slow chair stand (<16.7 seconds) had a 2-year cumulative incidence rate of an injurious fall of 46% (95% CI = 0.34-0.58), nearly the combined rate of a positive fall history (0.29, 95% CI = 0.25-0.34) and a slow chair stand alone (0.21, 95% CI = 0.13-0.30). CONCLUSION: An easily administered chair stand test may be sufficient for evaluating performance as part of a risk stratification strategy for injurious falls.
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 | 0,000 | 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 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 ».