Comparison across age groups of causes, circumstances, and consequences of falls among individuals living in Canada: A cross-sectional analysis of participants aged 45 to 85 years from the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
Falls are a leading cause of injury-related deaths and hospitalizations among Canadians. Falls risk has been reported to be increased in individuals who are older and with certain health conditions. It is unclear whether rurality is a risk factor for falls. This study aimed to investigate: 1) fall profiles by age group e.g., 45 to 54 years, 55 to 64 years, 65 to 74 years, 75 to 85 years; and 2) falls profiles of individuals, by age group, living in rural versus urban areas of Canada. Data (N = 51,338) from the Canadian Longitudinal Study on Aging was used to examine the relationship between falls and age, rurality, chronic conditions, need for medical attention, and fall characteristics (manner, location, injury). Self-reported falls within a twelve-month period occurred in only 4.8% (single fall) and 0.8% (multiple falls) of adults. Falls were not related to rural residence or age, but those with memory impairment, multiple sclerosis, as well as other chronic conditions such as mood disorder, anxiety disorder, and hyperthyroidism not often thought to be associated with falls, were also more likely to fall. Older individuals were more likely to fall indoors or fall while standing or walking. In contrast, middle-aged individuals were more likely to fall outdoors or while exercising. Type of injury was not associated with age, but older individuals were more likely to report hospitalization after a fall. This study shows that falls occur with a similar frequency in individuals regardless of age or urban/rural residence. Age was associated with fall location and activity. A more universally applicable multi-facted approach, rather than one solely based on older age considerations, to screening, primary prevention and management may reduce the personal, social, and economic burden of falls and fall-related injuries.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».