Evaluating Intrinsic Fall Risk Factors After Incomplete Spinal Cord Injury: Distinguishing Fallers From Nonfallers
Notice bibliographique
Résumé
OBJECTIVE: To determine whether performance on measures of lower extremity muscle strength, sensory function, postural control, gait speed, and balance self-efficacy could distinguish fallers from nonfallers among ambulatory individuals with spinal cord injury or disease (SCI/D). DESIGN: Prospective cohort study. SETTING: Community. PARTICIPANTS: Individuals (N=26; 6 female, aged 58.9±18.2y) with motor incomplete SCI/D (American Spinal Injury Association Impairment Scale rating C [n=5] or D [n=21]) participated. Participants were 7.5±9.1 years post injury. Seventeen participants experienced traumatic causes of spinal cord injury. MAIN OUTCOME MEASURES: Participants completed laboratory-based and clinical measures of postural control, gait speed, balance self-efficacy, and lower extremity strength, as well as proprioception and cutaneous pressure sensitivity. Participants were then followed for up to 1 year to track falls using a survey. The survey queried the circumstances and consequences of each fall. If a participant's number of falls equaled or exceeded the median number of falls experience by all participants, they were classified a faller. RESULTS: <.05): measures of lower extremity strength, cutaneous pressure sensitivity, walking speed, and center of pressure velocity in the mediolateral direction. CONCLUSIONS: There are laboratory-based and clinical measures that can prospectively distinguish fallers from nonfallers among ambulatory individuals with spinal cord injury. These findings may assist clinicians when evaluating their patients' fall risk.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».