Prospective Study of Falls and Risk Factors for Falls in Adults With Advanced Cancer
Notice bibliographique
Résumé
PURPOSE: Retrospective studies of inpatients with cancer suggest that a cancer diagnosis confers a high risk of falls. In adults with advanced cancer, we aimed to prospectively document the incidence of falls, identify the risk factors, and determine if falls in this population occur predominantly in older patients. PATIENTS AND METHODS: Patients admitted consecutively to community and inpatient palliative care services with metastatic or locoregionally advanced cancer who were mobile without assistance were recruited. Risk-factor assessment was conducted on initial encounter. Patients underwent follow-up via weekly telephone contact for 6 months or until time of fall or death. Relationship between covariates and time to fall was examined using hazard ratios (HRs) derived from univariate and multivariate Cox proportional hazards models. RESULTS: Of 185 participants (52.4% men; mean age 68 ± standard deviation of 12.6 years), 50.3% fell; 35 (53%) of 66 participants age < 65 years and 58 (48.7%) of 119 age ≥ 65 years fell; 61.3% of falls occurred in the community; 42% resulted in injury. Median time to fall was 96 days (95% CI, 64.66 to 127.34). Primary brain tumor or brain metastasis (HR 2.5; P = .002), number of falls in the preceding 3 months (HR, 1.27; P = .005), severity of depression (HR, 1.12; P = .012), benzodiazepine dose (HR, 1.05; P = .004), and cancer-related pain (HR, 1.96; P = .024) were independently associated with time to fall in multivariate analysis. CONCLUSION: Fifty percent of adults with advanced cancer, regardless of age, will experience a fall associated with high risk of physical injury. There is a compelling need to assess the efficacy of assessment and management of modifiable fall risk factors in patients with advanced cancer.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 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 ».