A cross-sectional study examining multiple mobility device use and fall status among middle-aged and older adults with multiple sclerosis
Notice bibliographique
Résumé
Purpose: To document the prevalence of multiple mobility device use among adults with multiple sclerosis (MS) (≥55 years) and examine the association between falls status (faller/non-faller) and the number of mobility devices used. Methods: Cross-sectional data generated through telephone interviews with 353 participants was used for this secondary analysis. Descriptive statistics were used to address the first study purpose. Multiple device use was measured by the number of devices used, which ranged from 0 (never use a cane, walker, manual wheelchair, or power wheelchair/scooter) to 4 (use all four mobility devices at least some of the time). Logistic regression analysis was used to address the second purpose, with fall status used as the dependent variable (non-fallers [<1 per year] versus fallers [≥1 per year]). Results: Just under 60% of participants reported the use of at least two mobility devices. For each additional mobility device used, the odds of being a faller increased by 1.47 times (95% CI = 1.14–1.90). Conclusion: Multiple mobility device use was common and the greater number of devices used, the greater the likelihood of being a faller. To prevent falls, this association requires further research to determine directionality. Implications for RehabilitationThe high prevalence of multiple mobility device use points to the importance of asking about all devices a person uses, not just the primary one.Regression findings point to the need for comprehensive fall risk assessment and raise questions about whether different approaches to fall prevention intervention may be required for different clients.Including discussions and education about how to select the “right” device for different activities may be useful in the context of improving mobility status and reducing fall risk. Adequate practice with each device and “refreshers” when a device is not used to regularly may also be valuable.
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 | 0,003 |
| 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 | 0,000 | 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) | 0,001 | 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 ».