ASSOCIATION BETWEEN COGNITION AND FALL RISK BASED ON THE STEADI ALGORITHM: PROJECT VIBE
Notice bibliographique
Résumé
Abstract Falls are a growing concern among older adults with estimates that one in four fall each year. Older adults who experience a fall are at higher risk for poor health outcomes that threaten independence and increase risk of death. Impairment in cognitive function is known to be associated with greater fall occurrence; however, cognitive testing is not an integral part of clinical fall risk assessment. The purpose of this study is to examine cognitive performance in relation to fall risk level and its components determined using the Stopping Elderly Accidents, Deaths, and Injuries (STEADI) algorithm. One hundred eight community dwelling older adults (mean age 79(SD 7.3) years, 76% women, and 56% college or higher education) were included. Cognition was assessed with the Montreal Cognitive Assessment (MoCA; >= 26 normal). The STEADI algorithm was used to assess fall risk (low vs. moderate/high) based on the Stay Independent screening (>= 4), impairment in gait (Timed Up and Go (TUG)), strength (30-second chair stand), and balance (4-stage balance), and number of falls (>= 2). Associations between cognition and fall risk and its components were assessed using logistic regression adjusting for age, gender, and education. Normal cognitive status was marginally associated with lower likelihood of moderate/high compared to low fall risk (OR 0.42, 95% CI 0.17-1.04), and with a lower likelihood of TUG impairment (OR 0.22, 95% CI 0.07-0.66). These results suggest cognitive status may contribute important information about older adults’ fall risk and should be considered an integral part of fall risk assessment.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».