Risk Factors for Hip Fracture in Older Home Care Clients
Notice bibliographique
Résumé
BACKGROUND: Little information is available on hip fracture risks among community-dwelling persons receiving home care. Our aim was to identify risk factors for hip fracture from health information routinely collected for older home care clients. METHODS: This was a cohort study involving secondary analysis of data on 40,279 long-stay (>60 days) home care clients aged 65 and older in Ontario, Canada; occurrence of hip fracture as well as potential risk factor information were measured using the Resident Assessment Instrument (RAI)/Minimum Data Set-Home Care assessment instrument. RESULTS: In all, 1,003 clients (2.5%) had hip fracture on follow-up assessment. Older (85+ vs 65-74, relative risk [95% confidence interval]: 0.52 [0.43-0.64]) clients are at increased risk; males are at reduced risk [0.60 (0.51-0.70)]. Other risk factors include osteoporosis (1.19 [1.03-1.36]), falls (1.31 [1.15-1.49]), unsteady gait (1.18 [1.03-1.36]), use of ambulation aide (1.39 [1.21-1.59]), tobacco use (1.42, [1.13-1.80]), severe malnutrition (2.61 [1.67-4.08]), and cognitive impairment (1.30 [1.12-1.51]). Arthritis (0.86 [0.76-0.98]) and morbid obesity (0.34 [0.16-0.72]) were associated with reduced risk. Males and females demonstrated different risk profiles. CONCLUSIONS: Important risk factors for hip fracture can be identified from routinely collected data; these could be used to identify at-risk clients for further investigation and prevention strategies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».