Risk Factors for Fear of Falling in Elderly Patients with Severe Knee Osteoarthritis before and One Year after Total Knee Arthroplasty
Notice bibliographique
Résumé
PURPOSE: To evaluate the regression of fear of falling (FOF) and identify its risk factors in patients with severe knee osteoarthritis before and one year after total knee arthroplasty (TKA). METHODS: 11 men and 57 women with a mean age of 73 years and a mean body mass index of 30.36 kg/m2 who had severe (grade 3 or 4) knee osteoarthritis and knee pain of ≥1 year were included. Two weeks before and one year after TKA, patients were asked about their FOF status and falls history. Patients were asked to complete the Physical Activity Scale for the Elderly, Short Form 36 (SF-36), and Western Ontario and McMaster Universities Arthritis Index (WOMAC) questionnaires. Clinical performance was assessed using the Berg Balance Scale and Timed Up and Go (TUG) test. RESULTS: Of the 68 patients, 56 (82.4%) had FOF preoperatively and 30 (44.1%) had FOF one year after TKA (p<0.001). The strongest predictors for FOF preoperatively were fallers (odds ratio [OR]=9.83, p=0.028), mental component summary (MCS) score of SF-36 (OR=0.88, p=0.024), and TUG (OR=3.4, p=0.013). The strongest predictors for FOF one year postoperatively were fallers (OR=16.51, p=0.041), patients with ≥2 chronic diseases (OR=17.33, p=0.011), physical function score of WOMAC (OR=1.015, p=0.005), and MCS score of SF-36 (OR=0.86, p=0.015). CONCLUSION: TKA positively affected FOF and gradually reduced the FOF rate over a year period after TKA in an elderly population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».