Falls and Parkinson's Disease: Evidence from Video Recordings of Actual Fall Events
Notice bibliographique
Résumé
OBJECTIVES: To compare the fall characteristics of individuals with and without Parkinson's disease (PD) through the analysis of real-life falls captured on video. DESIGN: Observational cohort study. SETTING: Two long-term care facilities in British Columbia, Canada. PARTICIPANTS: Individuals living in long-term care (N=306; 16 with PD). MEASUREMENTS: Falls captured on video and analyzed (N=906; 71 in participants with PD). Generalized estimating equation models were used to examine differences in fall characteristics between participants with and without PD. RESULTS: Individuals with PD were 1.3 times as likely as those without PD to fall because of incorrect weight shifting (95% confidence interval (CI)=1.03-1.65). Secondary steps during the fall event were 1.5 times as likely to be short in individuals with PD as in those without (95% CI=1.23-1.78). Individuals with PD were also 1.6 times as likely to attempt to recover balance by reaching to grasp an external object (95% CI=1.13-2.15) and 5.0 times as likely to secure grasp of the object (95% CI=1.23-20.0). CONCLUSION: Along with greater likelihood for individuals with PD to fall because of incorrect weight shifting, differences between groups were found in reactive stepping responses. This first detailed evidence of the characteristics of falls in PD should help to inform fall and injury prevention approaches for clinicians and rehabilitation professionals working with individuals with PD.
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 | 0,004 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».