Gait Velocity as a Single Predictor of Adverse Events in Healthy Seniors Aged 75 Years and Older
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: Although gait velocity (GV) measurement could predict poor outcomes, few studies regarding its usefulness as a single test in well functioning elderly persons have been pursued. The aim of this study was to asses whether GV could be sufficient to predict adverse events such as hospitalization for any cause, requirement for a caregiver, nursing home placement, falls, fractures, or death in healthy elderly persons. METHODS: Ours was a cohort study comprising 102 well functioning participants aged 75 and older. Demographic features, health status, and functional capacity were assessed at baseline and followed for adverse outcomes. Measurements included evaluation of cognition, activities of daily living, and mobility. The time required to walk the middle 8 meters of 10 meters was defined as GV. Three GV groups were distinguished: high GV (>1.1 m/s), median GV (1-0.7 m/s), and low GV (<0.7 m/s). RESULTS: At baseline, the three groups were comparable in their health status with an average age of 79.6 +/- 4 years. At 24 months, the low GV group had a significantly higher incidence of adverse events than did the other groups. Low GV was a predictor of hospitalization (relative risk [RR] = 5.9, 95% confidence interval [CI], 1.9-8.5), requirement of a caregiver (RR = 9.5, 95% CI, 1.3-2.5), and new falls (RR = 5.4, 95% CI, 2.0-4.3). These associations remained significant after a multiple logistic regression analysis. CONCLUSIONS: GV measurement in the ambulatory setting may allow the detection of healthy elderly people at risk for adverse events. These data may suggest that simple assessment of GV is enough to predict adverse events in well functioning older persons.
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.
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 | 0,000 |
| 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 | 0,001 |
| 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 découle