Abstracts from the 42nd Annual Scientific Meeting of the Canadian Geriatrics Society
Notice bibliographique
Résumé
Background/Purpose: Fall-related injuries can reduce older adults' independence and result in personal and economic burden.The type and use of assistive technologies as well as home modifications likely influences fall reduction and injury prevention.This effect is poorly understood.We sought to detail the contributions of assistive technology and in-home modification on falls, fall frequency, fall severity and fall location within the homes of community-dwelling older adults through a systematic review.Method: From 3 databases (Medline; CINAHL; Web of Science Core Collection) 3920 articles were sourced and assessed using inclusion and exclusion criteria.The outcome variables of interest were fall frequency, fall location, injury, mortality, and hospitalization.Two independent reviewers screened each study and completed data extraction.Reporting is in accordance with PRISMA 2020. Results:Twenty-two studies met the criteria.The most frequent assistive technologies and home modifications reported were canes (n=4), walkers (n=4), handrails (n=9), and grab bars (n=15).Their influence on falls depends on a variety of factors including fall history, history of assistive device use, and whether the device was present at the time of the fall.Discussion: Our findings may provide a basis for more intentional prescription of ambulatory assistive technologies and evidence-based recommendations of home modifications to prevent falls among community-dwelling older adults. Conclusion:This systematic review provides an understanding of how fall-related outcomes vary with the use of assistive technologies and home modifications in different areas of the home of community-dwelling older adults.Study protocol registration (PROSPERO ID: CRD42022370172).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».