Risk factors for falls in hospitalized patients with cancer: A systematic review and meta-analysis
Notice bibliographique
Résumé
A primary cancer diagnosis has been confirmed as an important risk factor for falls, and the incidence of falls has been shown to be higher in patients who have undergone cancer treatment than in those who have not undergone cancer treatment. Falls during hospitalization increase the medical costs of additional treatment and falls-related mortality. Many falls are preventable and a good understanding of the predictors of falls in this population is needed. However, the risk factors for falls have not yet been identified. The purpose of this review was to identify the risk factors for falls in hospitalized patients with cancer. Eleven English and Chinese electronic databases were searched from their inception to April 2022 and the methodological quality of the included studies was assessed using the Newcastle-Ottawa Quality Assessment Scale. Five studies involving 1237 patients with cancer were included. The meta-analysis identifies eleven risk factors for falls in hospitalized patients with cancer, including age, history of falls, opiates, benzodiazepines, steroids, antipsychotics, sedatives, radiation therapy, chemotherapy, the use of an assistive device and length of hospitalization. Based on the evidence presented in this article, healthcare workers have the capacity to help reduce fall risk through the development of preventive support strategies in this population. Multicenter, prospective studies of patients with cancer should be conducted to further identify and validate their risk factors for falls.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».