Prevalence of falls among frail elderly adults
Notice bibliographique
Résumé
OBJECTIVE To measure the prevalence in frail elderly people, their consequences and associated demographic factors. METHODS This was an epidemiological and cross-sectional study with a probabilistic sample composed of 240 elderly people (≥ 60 years) living in Ribeirão Preto, Sao Paulo state. Data were collected between November 2010 and February 2011, through a questionnaire that included socio-demographic data, fall assessment and the Edmonton Frailty Scale. Uni-variate and bivariate analyses were carried out. RESULTS The mean age was 73.5 (± 8.4), with higher ages among women; 25% of the interviewees were aged 80 or older; 11.3% presented moderate frailty and 9.6% severe frailty. The prevalence of falls in frail elderly participants corresponded to 38.6%; higher levels were found among women and younger subjects (60 to 79 years old); 26.8% were victims of 1 to 2 falls, 27.1% of which occurred in the bedroom, 84.7% fell from their own height, 55.9% lost their balance, 54.2% suffered scratches and 78% were afraid of suffering a new fall. Higher fall prevalence levels were found in frail elderly 1,973 (1,094-3,556) compared to non-frail. CONCLUSIONS We highlight the importance of addressing the health of frail elderly people, especially regarding the risk of falls, as well as of increasing investment in prevention strategies of these syndromes and in the formation of train like a virgin ed human resources to better care for this population.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».