An exploration of fall-related, psychosocial variables in people with multiple sclerosis who have fallen
Notice bibliographique
Résumé
Introduction Psychosocial contributors to fall risk for people with multiple sclerosis are often overlooked in falls prevention practice. This study explored several fall-related, psychosocial variables and their association with falls self-efficacy in a sample of people with multiple sclerosis reporting a fall. Method A cross-sectional, structured telephone survey was employed. The survey explored socio-demographics, multiple sclerosis characteristics, and fall-related psychosocial variables. Multiple linear regression was employed to investigate associations with Falls Efficacy Scale – International scores. Results The mean Falls Efficacy Scale – International score for 140 participants was 38.14(SD = 10.16), and the mean Falls Control Scale score was 5.38(SD = 2.22). Fear of falling was expressed by 129 (92%) participants, with 111 (79%) reporting associated activity curtailment. A regression model including six predictors explained 47% of the variance in the Falls Efficacy Scale – International scores. Results of the multiple linear regression showed that fear of falling, associated activity curtailment, balance interference, falls control, and health status were associated with falls self-efficacy. Conclusion Fear of falling and associated activity curtailment, low falls self-efficacy, and compromised falls control are common among people with multiple sclerosis who have fallen. These fall-related psychosocial variables are distinct and each warrants attention during assessment. Findings suggest that falls self-efficacy among people with multiple sclerosis who have fallen is a complex construct associated with physical and psychosocial factors.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».