MétaCan
Menu
Retour à la cohorte
Enregistrement W4289260565 · doi:10.1186/s12877-022-03321-y

Incidence and clinical characteristics of fall-related injuries among older inpatients at a tertiary grade a hospital in Shandong province from 2018 to 2020

2022· article· en· W4289260565 sur OpenAlexfundno aff
Hong Lyu, Yan Dong, Wenhong Zhou, Chuanxia Wang, Hong Jiang, Ping Wang, Yanhong Sun

Notice bibliographique

RevueBMC Geriatrics · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensnon disponible
Organismes subventionnairesMedical and Health Science and Technology Development Project of Shandong ProvinceUniversity of Toronto
Mots-clésMedicineIncidence (geometry)Fall preventionAdverse effectEmergency medicineInjury preventionRehabilitationOccupational safety and healthPoison controlFalling (accident)Physical therapyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Falls are an important cause of injury and death of older people. Hence, analyzing the multifactorial risk of falls from past cases to develop multifactorial intervention programs is clinically significant. However, due to the small sample size, there are few studies on fall risk analysis of clinical characteristics of fallers, especially among older hospitalized patients. METHODS: We collected data on 153 inpatients who fell (age ≥ 60 years) from the hospital nursing adverse event reporting system during hospitalization at Shandong Provincial Hospital Affiliated to Shandong First Medical University, China, from January 2018 to December 2020. Patient characteristics at the time of the fall, surrounding environment, primary nurse, and adverse fall events were assessed. The enumeration data were expressed as frequency and percentage, and the chi-squared was performed between recurrent fallers and single fallers, and non-injurious and injurious fall groups. RESULTS: Cross-sectional data showed 18.3% of the 153 participants experienced an injurious fall. Compared with single fallers, a large proportion of older recurrent fallers more often experienced preexisting conditions such as cerebrovascular disease or taking hypoglycemic drugs. They were exposed to higher risks and could experience at least 3 fall times in 3 months. Besides, the credentials of their responsible nurses were often higher. Factors that increased the risk of a fall-related injury were hypoglycemic drugs (OR 2.751; 95% CI 1.114-6.795), and nursing adverse events (OR 47.571; 95% CI 14.392-157.247). Older inpatients with bed rails (OR 0.437; 95% CI 0.190-1.005) or falling at the edge of the bed (OR 0.365; 95% CI 0.138-0.964) were less likely to be injured than those without bed rails or not falling at the edge of the bed. Fall risks were significantly correlated with more severe fall-related injuries. Older patients with moderate (OR 5.517; CI 0.687-44.306) or high risk (OR 2.196; CI 0.251-19.219) were more likely to experience fall-related injuries than those with low risk. CONCLUSIONS: Older inpatient falls are an ongoing challenge in hospitals in China. Our study found that the incidence of fall-related injuries among inpatients aged ≥ 60 years remained at a minor level. However, complex patient characteristics and circumstances can contribute to fall-related injuries. This study provides new evidence on fall-related injuries of older inpatients in China. Based on the factors found in this study, regular fall-related injury epidemiological surveys that investigate the reasons associated with the injuries were crucial when considering intervention measures that could refine fall-related injuries. More prospective studies should be conducted with improved and updated multidisciplinary fall risk assessment and comprehensive geriatric assessment as part of a fall-related injury prevention protocol.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,730

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,015
Tête enseignante GPT0,320
Écart entre enseignants0,305 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207