The Efficacy of Fall Hazards Identification on Fall Outcomes: A Systematic Review With Meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To investigate the efficacy of fall hazards identification programs when compared to no intervention or other fall prevention programs on number of falls, falls incidence, and identifying fall hazards in community-dwelling adults. DATA SOURCES: CINAHL, PubMed, EMBASE, Scopus, and PsychINFO were used to identify articles. STUDY SELECTION: Studies were selected to compare fall hazards identification programs to a control group. Studies were eligible if they were randomized controlled trials and enrolled adults older than 50 years with the incidence rate of falls as an outcome. DATA EXTRACTION: Study or authors, year, sample characteristics, intervention or comparison groups, number of falls, and number of hazards identified in the intervention and control groups, and follow-up were extracted. The risk of bias assessment was performed using the Cochrane Risk of Bias tool. Quality was evaluated with Grading of Recommendations Assessment, Development and Evaluation (GRADE) approach per outcome. DATA SYNTHESIS: A total of 8 studies (N=8) and 5177 participants were included. There was a high risk of bias across the studies mostly due to improper blinding of personnel of the outcome assessor. Pooled estimate effects from 5 studies assessing the incidence rate of falls from 3019 individuals indicated no difference between fall hazards identification programs and control (incidence rate ratio=0.98; 95% confidence interval, 0.87-1.10). CONCLUSIONS: The current study suggests that there may be a benefit for fall hazards programs in reducing incident falls. However, because of a moderate GRADE rating, more large-scale studies with a higher number of falls events and more consistent control groups are required to determine the true effect.
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 | 0,012 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».