Slow Processing Speed Predicts Falls in Older Adults With a Falls History: 1‐Year Prospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: A previous fall is a strong predictor of future falls. Recent epidemiologic data suggest that deficits in processing speed predict future injurious falls. Our primary objective was to determine a parsimonious predictive model of future falls among older adults who experienced ≥1 fall in the past 12 months based on the following categories: counts of (1) total, (2) indoor, (3) outdoor or (4) non-injurious falls; (5) one mild or severe injury fall (yes vs no); (6) an injurious instead of a non-injurious fall; and (7) an outdoor instead of an indoor fall. DESIGN: 12-month prospective cohort study. SETTING: Vancouver Falls Prevention Clinic, Canada (www.fallsclinic.ca). PARTICIPANTS: Two-hundred and eighty-eight community-dwelling older adults aged ≥70 years with a history of ≥1 fall resulting in medical attention in the previous 12 months. MEASUREMENTS: We employed principal component analysis to reduce the baseline predictor variables to a smaller set of five factors (i.e., processing speed, working memory, emotional functioning, physical functioning and body composition/fall risk profile). Second, we used the extracted five factors as predictors in regression models predicting the incidence of falls over a 12-month prospective observation period. We conducted regression analyses for the seven falls-related categories (defined above). RESULTS: Among older adults with a falls history, processing speed was the most consistent predictor of future falls; poorer processing speed predicted a greater number of total, indoor, outdoor, and non-injurious falls, and a greater likelihood of experiencing at least one mild or severe injurious fall (all P values < .01). CONCLUSION: Poorer performance on the processing speed factor, a trainable factor, was independently associated with the most costly type of falls-injurious falls.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».