What Are the Circumstances of Falls and Fractures in Long-Term Care?
Notice bibliographique
Résumé
RÉSUMÉ Cette étude prospective d’observation rend compte des circonstances qui ont conduit à des chutes des résidents dans des établissements de soins de longue durée (SLD) et les caractéristiques des résidents qui ont subi des fractures suite à une chute. Le personnel a enregistré l’emplacement de la chute, le moment de la journée, l’activité dans laquelle un participant a été engagé avant l’incident et si une blessure a été soutenue. Les statistiques descriptives ont été utilisées pour décrire les chutes, et un modèle linéaire généralisé a été utilisé pour déterminer les différences entre les circonstances. Parmi les 101 résidents SLD qui ont participé, 41 pour cent ont eu au moins une chute. Les résidents étaient beaucoup plus susceptibles d’être tombés dans la chambre et tout en marchant. Parmi les 17 chutes entraînant des fractures, la plupart se sont produites dans la chambre à coucher et la salle de bains, tôt le matin; la plupart des résidents qui ont subi des fractures étaient des femmes ayant une déficience cognitive. Pour surveiller les chutes globalement, la surveillance ambulatoire, qui évite les problèmes de confidentialité dans les chambres à coucher ou les salles de bains, peuvent être nécessaires. Les interventions devraient cibler la marche à pied ou l’organisation de la chambre.
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».