MétaCan
Menu
Retour à la cohorte
Enregistrement W2921809488 · doi:10.1111/opn.12230

Fear of falling among Brazilian and Portuguese older adults

2019· article· en· W2921809488 sur OpenAlexaff
Luciano Magalhães Vitorino, Cristina María Alves Marques-Vieira, Gail Low, Luís Sousa, Jonas Preposi Cruz

Notice bibliographique

RevueInternational Journal of Older People Nursing · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFear of fallingPortugueseMedicineGerontologyFalling (accident)Cross-sectional studyOlder peopleInjury preventionPoison controlDemographyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Falling is the leading cause of physical disability, mortality and social exclusion in older adults. In Brazil and Portugal, falls cause thousands of hospitalisations every year. Fear of falling (FOF) causes loss of confidence in accomplishing daily tasks, restriction in social activities and increased dependence. AIM: To compare the prevalence of FOF between Brazilian and Portuguese community-dwelling older adults and the factors associated with FOF. METHODS: A secondary analysis of cross-sectional survey data collected from older adults residing in Brazil (n = 170; M age=70.44 years) and Portugal (n = 170; M age=73.56 years). RESULTS: The prevalence of FOF was significantly higher (p = 0.015) among Portuguese (n = 133, 54.1%) versus Brazilian (n = 113, 45.9%) older adults. FOF among Brazilian older adults was associated with being 76 + years of age and female. Among Portuguese older adults, factors associated with FOF were intake of daily medications, having fallen within the past year, and visual difficulties. CONCLUSIONS: Fear of falling is linked with modifiable and non-modifiable factors. Timely assessments of FOF and factors associated with FOF are essential. IMPLICATIONS FOR PRACTICE: Primary care nurses should assess and address FOF in older people with interdisciplinary practitioners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,342
Écart entre enseignants0,331 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Older People NursingMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207