Associations with rates of falls among home care clients in Ontario, Canada: a population-based, cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Accidental falls among older adults are a leading cause of injury-related hospitalizations. Reducing falls is an ongoing quality improvement priority for home care, given that many home care clients experience falls. In this study, we identify factors associated with the rate of falls among home care clients. METHODS: We conducted a population-based, cross-sectional study using secondary data from the Hamilton, Niagara, Haldimand, and Brant health region of Ontario, Canada from January 1 - March 31, 2018. We captured person-level characteristics with falls from the Resident Assessment Instrument - Home Care (RAI-HC). Negative binomial regression was used to model the rate of falls. RESULTS: Functional characteristics of home care clients had strong, statistically significant associations with the rate of falls. Declines in activities of daily living, assistive device use for locomotion indoors, polypharmacy, and health conditions, such as dizziness or lightheadedness, and parkinsonism, were associated with a higher rate of falls. Males who used assistive devices had a higher rate of falls compared to females; however, males with neurological and cardiovascular health conditions had a decrease in the rate of falls compared to females. Home care clients with parkinsonism who used a cane and took eight or more drugs had stronger associations with an increased rate of falls compared to those who do not have parkinsonism. CONCLUSIONS: Functional characteristics, polypharmacy, and health conditions are associated with increased rates of falls among home care clients. Home care clients who are at a greater risk of falls may require environmental adjustments in their home to reduce or eliminate the possibility of falling.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».