Identification of Risk Factors for Falls in Multiple Sclerosis: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Falls are a significant issue in people with multiple sclerosis (MS), with research demonstrating fall rates of more than 50%. PURPOSE: The purpose of this study was to evaluate the risk factors associated with falling in people with MS. DATA SOURCES: Mixed search methods were used, including computer-based and manual searches. Additionally, hand searches of reference lists and conference abstracts were performed. All literature published from the source's earliest date to January 2012 was included; only full-text English-language sources (or those where a translation was available) were included. STUDY SELECTION: Eligibility criteria specified articles evaluating any aspect of fall risk in adults with a confirmed MS diagnosis, where the incidence of falling as determined by prospective or retrospective participant report was included. DATA EXTRACTION: Data were extracted independently by 2 reviewers using a written protocol and standardized extraction documentation. Detailed assessment of each article was independently undertaken by both reviewers, including assessment of study quality using an adaptation of the Newcastle Ottawa Scale plus extraction of key data (participant characteristics, fall incidence, and outcomes). DATA SYNTHESIS: The final review comprised 8 articles with a total of 1,929 participants; 1,037 (53.75%) were classified as fallers. Eighteen different risk factors were assessed within the included studies. Meta-analysis demonstrated an increase in fall risk associated with impairments of balance and cognition, progressive MS, and use of a mobility aid. Narrative review of the qualitative articles and those factors where meta-analysis was not possible also was undertaken. LIMITATIONS: Variation in assessment, analysis, and reporting methods allowed meta-analysis for only 4 factors. CONCLUSION: There is limited evidence of the factors associated with fall risk in people with MS. Further methodologically robust studies are needed.
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 | 0,020 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,039 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».