Fear of Falling in People With Multiple Sclerosis: Which Clinical Characteristics Are Important?
Notice bibliographique
Résumé
BACKGROUND: Fear of falling (FOF) is an important risk indicator for health-related outcomes and quality of life in patients with multiple sclerosis (MS). However, factors associated with FOF in MS are not well investigated. OBJECTIVES: This study was done to explore predictors of FOF in this population. METHODS: Seventy relapsing remitting patients with MS were evaluated. Fear of falling was assessed using the Fall Efficacy Scale-International (FES-I). Motor outcomes included: 30-second chair stand test (30s-CST), Berg Balance Scale (BBS), 10-Meter Walk Test (10MWT), and 6-Minute Walk Test (6MWT). Cognitive status was determined using the Montréal Cognitive Assessment (MOCA) and Symbol Digit Modalities Test (SDMT). Affective factors including depression, fatigue, and sleep were also assessed using the Beck Depression Inventory (BDI), Modified Fatigue Impact Scale (MFIS), and Pittsburgh Sleep Quality Index (PSQI), respectively. RESULTS: Fear of falling was significantly correlated with all motor and affective measures used. However, a stepwise regression found that only BBS from motor measures, MOCA from cognitive measures, and sleep disorders from affective factors were significantly predictive of the FOF. CONCLUSIONS: Fear of falling in patients with MS is multifactorial and includes motor and nonmotor factors. Thus, therapies that aim to reduce risk of falling in this population should address motor functions, cognitive abilities, and sleep quality.
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 | 0,001 |
| 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 ».