Characteristics and Consequences of Falls in People Who Use Wheelchairs in Long-Term Care Settings
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to understand the characteristics and consequences of falls in individuals using wheelchairs in long-term care settings. DESIGN: Observational analysis of real-world falls in long-term care. SETTING AND PARTICIPANTS: Residents using wheelchairs from 2 long-term care facilities in British Columbia, Canada (n = 32 participants, mean age = 84.7 years, 12 women). METHODS: Two raters used the validated Falls Video Analysis Questionnaire, adapted from the original version, to assess the causal, behavioral, and environmental aspects of falls from wheelchairs. RESULTS: A total of 58 wheelchair fall videos were identified out of 300 total videos that were collected from 2007 to 2014. Wheelchair falls were most often caused by incorrect transfer or shift of body weight (70.7%). Participants most often fell backward with 89.7% striking their pelvis. Individuals using wheelchairs had limited protective response, with only 10.3% demonstrating a step response. Improper brake position contributed to 67.2% of falls. No serious fall-related injuries were reported. CONCLUSIONS AND IMPLICATIONS: The findings highlight the unique nature of falls in older adults who use wheelchairs in long-term care settings. Overall, the results of this study support clinical practice and the critical need for developing specialized fall prevention and fall detection interventions for individuals who use wheelchairs in long-term care.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».