Chronic disease and falls in community-dwelling Canadians over 65 years old: a population-based study exploring associations with number and pattern of chronic conditions
Notice bibliographique
Résumé
BACKGROUND: Falls and chronic disease are both important health issues in older adults. The objectives of this study were to quantify the prevalence of falls and multi-morbidity (≥2 chronic conditions) in Canadian older adults; examine associations between falls and number of chronic conditions; and explore whether certain patterns of chronic disease were associated with a greater risk of falling. METHODS: Data were derived from the Canadian Community Health Survey- Healthy Aging. Primary outcomes from 16,357 community-dwelling adults aged 65 years and over were self-reported falls in the previous 12 months and presence of 13 chronic conditions. Prevalence estimates were calculated with normalized sampling weights, and hierarchical cluster analysis was used to identify clusters based on chronic condition patterns, and tested for association to falls with logistic regression. RESULTS: Overall prevalence of falling and multi-morbidity were 19.8% and 62.0% respectively. Fall risk was significantly greater in individuals with one, two, four, five and six or more chronic conditions relative to those with none (all p < 0.05). A seven-cluster model was selected, including groups with low prevalence of chronic disease, or high prevalence of hypertension and arthritis, visual impairment, hypertension, chronic obstructive pulmonary disease (COPD), diabetes, or heart disease and hypertension. Only the hypertension cluster (Odds Ratio [OR] = 1.2) and COPD cluster (OR = 1.6) were significantly associated with increased falls relative to the low prevalence group. CONCLUSIONS: Both the number and pattern of chronic conditions were related to falls. COPD emerged as a significant predictor of falls despite affecting a smaller proportion of respondents. Continued study is warranted to verify this association and determine how to incorporate consideration of chronic disease and multi-morbidity into fall risk assessments.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».