Psychometric Properties of the Falls Efficacy Scale-International, Cut-off Points, and Validating its Short Version Among Iranian Older People
Notice bibliographique
Résumé
Objectives: Older people have a fear of falling, which is far more difficult than falling itself. We measured the extent of this feeling using a short and valid Falls Efficacy Scale-International (FES-I) 7-item questionnaire for the aging community in Iran. Methods: The present psychometric work deals with outlining the validation and translation of FES-I (short version) among 9117 Persian-speaking elderly people with a mean age of 70.2±8.3 years (54.1% female and 45.9% male) in July 2021. Investigations were performed on confirmatory factor analysis, exploratory factor analysis, internal consistency, and construct validity along with test-retest reliability, receiver operating characteristic analysis, inter-rater, and convergent validity. Results: 72.4% of the subjects were living alone, 92.9% required support in activities of daily living , and 93.0% experienced falling in the past two years. A one-factor solution was assigned by exploratory factor analysis for FES-I. Thus, this model was proved by the confirmatory factor analysis with valid fit indices. Based on Cronbach’s alpha, intra-cluster correlation coefficient, and McDonald’s omega (≥ 0.80), internal consistency was confirmed. The exact cut-off value was represented by the receiver operating characteristic analysis for male/female and between with/without fear of falling among older samples with higher measures of specificity and sensitivity. Moreover, a significant effect of age, aging in place, loneliness, hospitalization rate, frailty, and sense of anxiety (effect size ≥ 0.80, p ≤ 0.05) on fear of falls was detected using analysis of variance.Conclusions: The psychometric properties of the original scale were preserved by the Persian version of FES-I seven items as a self-reported measure of fear of falling. It could be assuredly a measure in both community and clinical settings. The possible uses and limitations of the Iranian FES-I were also discussed.
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».