Mobility screening for fall prediction in the Canadian Longitudinal Study on Aging (CLSA): implications for fall prevention in the decade of healthy ageing
Notice bibliographique
Résumé
BACKGROUND: Guidelines for fall prevention in older adults recommend mobility screening for fall risk assessment; however, there is no consensus on which test to use and at what cutoff. This study aimed to determine the accuracy and optimal cut-off values of commonly used mobility tests for predicting falls in the Canadian Longitudinal Study on Aging (CLSA). METHODS: Mobility tests at baseline included the Timed Up and Go (TUG), Single Leg Stance (SLS), chair-rise and gait speed. Inclusion criteria were: age ≥ 65 years and meeting first-level fall screening criteria (i.e. history of a fall or mobility problem) at baseline. Accuracy of fall prediction at 18-months for each test was measured by the area under the receiver operating curve (AUC). RESULTS: Of 1,121 participants that met inclusion criteria (mean age 75.2 ± 5.9 years; 66.6% women), 218 (19.4%) reported ≥one fall at 18 months. None of the tests achieved acceptable accuracy for identifying individuals with ≥one fall at follow-up. Among women 65-74 and 75-85 years, the TUG identified recurrent fallers (≥two falls) with optimal cut-off scores of 14.1 and 12.9 s (both AUCs 0.70), respectively. Among men 65-74 years, only the SLS showed acceptable accuracy (AUC 0.85) for identifying recurrent fallers with an optimal cutoff of 3.6 s. CONCLUSIONS: Our findings indicate that commonly used mobility tests do not have sufficient discriminability to identify fallers in a population-based sample of community-dwelling older adults. The TUG and SLS can identify recurrent fallers; however, their accuracy and cut-off values vary by age and sex.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».