Predictors of community reintegration and quality of life after hip fracture among community-dwelling older adults
Notice bibliographique
Résumé
We aim to explore factors contributing to community reintegration and health-related quality of life (HRQoL) among community-dwelling older adults three months after discharge from inpatient rehabilitation following hip fracture. We performed a prospective cohort study with follow-up. Thirty-three consecutive patients (age 66-89) after surgery for hip fracture repair were recruited from an inpatient rehabilitation unit. Participants were 65+ years old, did not have dementia, and were independent in basic activities of daily living (BADL) at discharge. We examined the contribution of independent variables measuring BADL, cognition, emotional status, pain and social support to the explained variance of two main outcomes: the Reintegration to Normal Living Index (RNLI), measuring self-reported ability to participate in activities and return to life roles; and the Medical Outcomes Study Short-Form Health Survey (SF-12), assessing mental and physical aspects of HRQoL. Stepwise regression analyses revealed that: social support and pain while walking significantly explained 42.1% of variance in the RNLI; social support significantly explained 31.1% of the variance in the SF-12-physical subscale; the number of falls in the previous year, social support and executive functions assessed by the clock drawing test significantly explained 61.9% of the variance in the SF-12 mental subscale. Social support, pain while walking and the number of falls in the previous year can predict community reintegration and HRQoL among older adults three months after discharge from rehabilitation following a surgical hip fracture repair. These factors need to be addressed in rehabilitation programs.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,002 |
| 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 ».