Eight-year longitudinal falls trajectories and associations with modifiable risk factors: evidence from The Irish Longitudinal Study on Ageing (TILDA)
Notice bibliographique
Résumé
BACKGROUND: The label 'faller' and the associated stigma may reduce healthcare-seeking behaviours. However, falls are not inevitably progressive and many drivers are modifiable. This observational study described the 8-year longitudinal trajectories of self-reported falls in The Irish Longitudinal Study on Ageing (TILDA) and studied associations with factors, including mobility, cognition, orthostatic hypotension (OH), fear of falling (FOF) and use of antihypertensive and antidepressant medications. METHODS: Participants aged ≥50 years at each wave were categorised by whether they averaged ≥2 falls in the previous year (recurrent fallers) or not (≤1 fall). Next-wave transition probabilities were estimated with multi-state models. RESULTS: 8,157 (54.2% female) participants were included, of whom 586 reported ≥2 falls at Wave 1. Those reporting ≥2 falls in the past year had a 63% probability of moving to the more favourable state of ≤1 fall. Those reporting ≤1 fall had a 2% probability of transitioning to ≥2 falls. Besides older age and higher number of chronic conditions, factors that increased the risk of transitioning from ≤1 fall to ≥2 falls were lower Montreal Cognitive Assessment score, FOF and taking antidepressants. Conversely, male sex, higher timed up and go time, the presence of OH and being on antidepressants reduced the probability of improving from ≥2 falls to ≤1 fall. CONCLUSION: The majority of recurrent fallers experienced favourable transitions. Improvements in cognitive and psychological status, psychotropic prescribing, mobility and OH may help improve trajectories. Findings may help combat stigma associated with falling and promote preventative healthcare-seeking behaviours.
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 | 0,001 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».