Injuries from falls by older adults in long-term care captured on video: Prevalence of impacts and injuries to body parts
Notice bibliographique
Résumé
BACKGROUND: Falls are the leading cause of injuries in older adults. However, most falls in older adults do not cause serious injury, suggesting that older adults may fall in a manner that reduces the likelihood of impact to body sites that are most vulnerable to injury. In this observational study of falls in long-term care (LTC), we tested whether body parts differed in their probability of impact and injury. METHODS: We recorded and analyzed videos of 2388 falls by 658 LTC residents (mean age 84.0 (SD = 8.1); 56.4% female). We used Linear Mixed Models to test for differences between body parts in the probability of impact and injury, and injury when impacts occurred. RESULTS: Injuries were reported in 38.2% of falls, and 85.9% of injuries involved direct impact to the injured body part. Impact occurred most often to the hip/pelvis (probability (standard error) = 0.95 (0.01); p < .001 relative to other body parts), and least often to the head (0.35 (0.01)). Conversely, injury occurred most often to the head (p < .001 relative to other body parts). The probability of injury when impacts occurred was 0.40 (0.01) for the head, and 0.11 or less for all other body parts. CONCLUSION: Our results help to explain why most falls by older adults in LTC do not cause serious injury: residents land on body parts that are the most resilient to injury. The high susceptibility of the head to injury reinforces the need to enhance upper limb protective responses for fall arrest. The dominant role of direct impact as the mechanism of injury supports approaches to attenuate impact forces through strategies like protective clothing and compliant flooring.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».