Comparing the causes, circumstances and consequences of falls across mobility statuses among individuals with spinal cord injury: A secondary analysis
Notice bibliographique
Résumé
OBJECTIVE: To compare the occurrence of falls and fall-related injuries, and the circumstances of falls among individuals with spinal cord injury (SCI) who ambulate full-time, use a wheelchair full-time and ambulate part-time. DESIGN: A secondary analysis. SETTING: Community. PARTICIPANTS: Adults with SCI. INTERVENTION: None. OUTCOME MEASURES: The occurrence and circumstances of falls and fall-related injuries were tracked over six-months using a survey. Participants were grouped by mobility and fall status. A chi-square test compared the occurrence of falls and fall-related injuries, and the time and location of falls, and a negative binomial regression was used to predict the likelihood of falls by mobility status. Kaplan-Meier analysis was used to determine differences in the time to first fall based on mobility status. Group characteristics and causes of falls were described. RESULTS: = 8) were analyzed. Mobility status was a significant predictor of falls (P < 0.01); individuals who used a wheelchair full-time had a third of the likelihood of falling than those who ambulated full-time (P < 0.01). Type of fall-related injuries differed by mobility status. Those who ambulated full-time fell more in the daytime (P < 0.01). Individuals who ambulated full-time and part-time commonly fell while walking due to poor balance, and their legs giving out, respectively. Those who used a wheelchair full-time typically fell while transferring when rushed. CONCLUSION: Mobility status influences the likelihood and circumstances of falls. Mobility status should be considered when planning fall prevention education/training for individuals with SCI.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».