Fall Prevalence and Associated Risk Factors in the Hospitalised Adult Population: A Crucial Step Towards Improved Hospital Care
Notice bibliographique
Résumé
Background Falls among the adult population are a major global health concern with severe repercussions for individuals and healthcare systems. The purpose of this study was to investigate the prevalence and associated risk factors of falls in hospitalized patients in order to improve hospital care for elderly adults. Materials and methods The research was conducted at two institutions of tertiary care in Abbottabad, Pakistan. After extensive screening and obtaining informed consent, a total of 210 participants aged 50 and older were enrolled in the study. Mental status, history of falls, ambulation/elimination status, vision, gait/balance, systolic blood pressure, medication use, and predisposing diseases were evaluated using the Long Term Care Fall Risk Assessment Form. Additionally, the Dynamic Gait Index was utilized to evaluate various aspects of gait. Results 58.6% of participants reported a history of falls in the previous year, according to the findings. BMI, imbalance, vertigo, and fear of falling were significantly associated with an increased risk of falls in older individuals. The Long-Term Care Fall Risk Assessment, the Montreal Cognitive Assessment (MoCA), the Dynamic Gait Index (DGI), and the Mini-BESTest scores revealed that patients with a history of falls had inferior functional and cognitive outcomes. Falls were more common among individuals with a robust BMI, especially men. Conclusions The study results highlight the multifactorial nature of falls in the adult population and the need for targeted interventions to address modifiable risk factors. To enhance hospital care for high-risk patients, proactive fall prevention strategies, including regular risk assessments and individualized interventions, should be implemented. This study provides important insights into the prevalence and causes of accidents among hospitalized patients, particularly in developing nations such as Pakistan. .
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».