MétaCan
Menu
Retour à la cohorte
Enregistrement W3205601560 · doi:10.11124/jbies-20-00114

Health technologies for the prevention and detection of falls in adult hospital inpatients: a scoping review

2021· review· en· W3205601560 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJBI Evidence Synthesis · 2021
Typereview
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCINAHLGrey literatureMedicineMEDLINEContext (archaeology)Fall preventionData extractionOccupational safety and healthPoison controlSuicide preventionInjury preventionFamily medicineMedical emergencyNursingPsychological interventionGeographyPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The objective of this scoping review was to examine and map the evidence relating to the reporting and evaluation of technologies for the prevention and detection of falls in adult hospital inpatients. INTRODUCTION: Falls are a common cause of accidental injury, leading to significant safety issues in hospitals globally, and resulting in substantial human and economic costs. Previous research has focused on community settings with less emphasis on hospital settings. INCLUSION CRITERIA: Participants included adult inpatients, aged 18 years and over; the concept included the use of fall-prevention or fall-detection technologies; the context included any hospital ward setting. METHODS: This scoping review was conducted according to JBI methodology for scoping reviews, guided by an a priori protocol. A wide selection of databases including MEDLINE, CINAHL, AMED, Embase, PEDro, Epistimonikos, and Science Direct were searched for records from inception to October 2019. Other sources included gray literature, trial registers, government health department websites, and websites of professional bodies. Only studies in the English language were included. A three-step search strategy was employed, with all records exported for subsequent title and abstract screening prior to full-text screening. Screening was performed by two independent reviewers and data extraction by one reviewer following agreement checks. Data are presented in narrative and tabular form. RESULTS: Over 13,000 records were identified with 404 included in the scoping review: 336 reported on fall-prevention technologies, 51 targeted detection, and 17 concerned both. The largest contributions of studies came from the USA (n=185), Australia (n=65), the UK (n=36), and Canada (n=18). There was a variety of study designs including 77 prospective cohort studies, 33 before-after studies, and 35 systematic reviews; however, relatively few randomized controlled trials were conducted (n = 25). The majority of records reported on multifactorial and multicomponent technologies (n = 178), followed by fall detection devices (n = 86). Few studies reported on the following interventions in isolation: fall risk assessment (n = 6), environment design (n = 8), sitters (n = 5), rounding (n = 3), exercise (n = 3), medical/pharmaceutical (n = 2), physiotherapy (n = 1), and nutritional (n = 1). The majority (57%) of studies reported clinical effectiveness outcomes, with smaller numbers (14%) reporting feasibility and/or acceptability outcomes, or cost-effectiveness outcomes (5%). CONCLUSIONS: This review has mapped the literature on fall-prevention and fall-detection technology and outcomes for adults in the hospital setting. Despite the volume of available literature, there remains a need for further high-quality research on fall-prevention and fall-detection technologies.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,433
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle