Development and validation of a questionnaire for analyzing real-life falls in long-term care captured on video
Notice bibliographique
Résumé
BACKGROUND: Falls are the number one cause of injuries in older adults, and are particularly common in long-term care (LTC). Lack of objective evidence on the mechanisms of falls in this setting is a major barrier to prevention. Video capture of real-life falls can help to address this barrier, if valid tools are available for data analysis. To address this need, we developed a 24-item fall video analysis questionnaire (FVAQ) to probe key biomechanical, behavioural, situational, and environmental aspects of the initiation, descent, and impact stages of falls. We then tested the reliability of this tool using video footage of falls collected in LTC. METHODS: Over three years, we video-captured 221 falls experienced by 130 individuals in common areas (e.g., dining rooms, hallways, and lounges) of two LTC facilities. The FVAQ was developed through literature review and an iterative process to ensure our responses captured the most common behaviours observed in preliminary review of fall videos. Inter-rater reliability was assessed by comparing responses from two teams, each having three members, who reviewed 15 randomly-selected videos. Intra-rater reliability was measured by comparing responses from one team at baseline and 12 months later. RESULTS: In 17 of the 24 questions, the percentage of inter- and intra-rater agreement was over 80% and the Cohen's Kappa was greater than 0.60, reflecting good reliability. These included questions on the cause of imbalance, activity at the time of the fall, fall direction, stepping responses, and impact to specific body sites. Poorer agreement was observed for footwear, contribution of clutter, reach-to-grasp responses, and perceived site of injury risk. CONCLUSIONS: Our results provide strong evidence of the reliability of the FVAQ for classifying biomechanical, behavioural, situational, and environmental aspects of falls captured on video in common areas in LTC. Application of this tool should reveal new and important strategies for the prevention and treatment of falls and fall-related injuries in this setting.
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) | 0,000 | 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 | 0,000 |
| 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 ».