The impact of fall risk assessment on nurse fears, patient falls, and functional ability in long-term care
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to determine whether providing fall risk information to long-term care (LTC) nurses affects restraint use, activities of daily living (ADL), falls, and nurse fears about patient falls. METHODS: One-hundred and fifty LTC residents were randomized to a fall risk assessment intervention or care-as-usual group. Hypotheses were tested using analyses of variance and path analyses. RESULTS: Restraint use was associated with lower ADL scores. In the intervention group, there ceased to be significant relationships between nurse fears about falls and patient falls (after controlling for actual patient risk; post-intervention, nurse fears about falls were based on realistic appraisals), and between fears and restraints (i.e. unjustified nurse fears became less likely to lead to unjustified restraint use). No group differences in falls were identified. CONCLUSION: Despite a lack of group differences in falls, results show initial promise in potentially impacting resident care. Increasing intervention intensity may lead to fall reductions in future research. IMPLICATIONS FOR REHABILITATION: Given the high prevalence rates of falls in LTC and associated injuries, prevention programs are important. Nurse fears about patient falls may impact upon restraint use which, when excessive, can interfere with the patient's ability to perform ADL. Excessive restraint use, due to unjustified nurse fears, could also lead to falls. Providing accurate, concise information to nursing staff about patient fall risk may aid in reducing the association between unjustified nurse fears and the resulting restraint use that can have potential negative consequences.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».