The Evaluation of a Fall Management Program in a Nursing Home Population
Notice bibliographique
Résumé
PURPOSE OF THE STUDY: This study evaluates a nursing home Fall Management program to see if residents' mobility increased and injurious falls decreased. DESIGN AND METHODS: Administrative health care use and fall occurrence report data were analyzed from 2 rural health regions in Manitoba, Canada, from June 1, 2003 to March 31, 2008. A quasiexperimental, pre-post, comparison group design was used to compare rates of three outcomes, falls, injurious falls, and falls resulting in hospitalization, by RHA (program vs nonprogram nursing homes) and period (preprogram vs postprogram). Data collectors entered occurrence report information into spreadsheets. This was supplemented with administrative health care use data. RESULTS: The program appears to have benefitted residents-falls trended upward, injurious falls remained stable, and hospitalized falls decreased significantly (0.036-0.021 per person-year [ppy]; p = .043). Compared with nonprogram residents in the postperiod, both groups had the same fall rate, but program residents had significantly fewer injurious falls (0.596-0.746 ppy; p = .02) and hospitalized falls (0.02-0.041 ppy; p = .023). IMPLICATIONS: These results are among a small body of literature showing that Fall Management was associated with improved outcomes in program nursing homes from pre- to postperiod and compared with nonprogram nursing homes. This research provides some support for the benefits of being proactive and implementing injury prevention strategies universally and pre-emptively before a resident falls, helping to minimize injuries while keeping residents mobile and active. Larger scale research is needed to identify the true effectiveness of the Fall Management program and generalizability of results.
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 | 0,000 |
| 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 ».