Identifying Fallers among Home Care Clients with Dementia and Parkinson’s Disease
Notice bibliographique
Résumé
RÉSUMÉ Il y a eu peu d’études qui se concentrent sur les chutes chez les clients qui reçoivent des soins à domicile (SD) avec des conditions neurologiques. Cette étude a identifié les facteurs qui accroissent le risque de chutes chez les clients SD sans histoire récente de telles chutes, et a exploré si les profils de risque variaient parmi les personnes atteintes de démence ou le parkinsonisme, par rapport à celles sans conditions neurologiques sélectionnés. Une étude de cohorte rétrospective a été utilisée, et l’analyse des données provenant de clients SD communautaires de l’Ontario a été menée sur un échantillon de clients ambulatoires atteints de démence, de parkinsonisme, ou d’aucune des conditions neurologiques sélectionnées. Les données ont été obtenues à partir de l’instrument d’évaluation des résidents en soins à domicile (IERSD-SD). Dans l’analyse multivariée, le résultat utilisé était de savoir si les clients ont tombé au cours du suivi. Une démarche instable était un fort prédicteur des chutes dans les trois groupes. Le parkinsonisme co-morbide a prédit plus fortement les chutes dans le groupe de démence. Les clients qui ont montré la limite intacte à la déficience cognitive légère étaient plus susceptibles de se sont trouvés dans les groupes de parkinsonisme et de comparaison. Les chances de tomber étaient plus élevées pour les clients avec la limite intacte à la déficience cognitive légère qui également faisaient partie des groupes de la maladie de Parkinson et de comparaison.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».