Community emergency medical services approaches to fall prevention: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Falls are a leading cause of morbidity and mortality among older adults in the USA. Current approaches to fall prevention often rely on referral by primary care providers or enrolment during inpatient admissions. Community emergency medical services (CEMS) present a unique opportunity to rapidly identify older adults at risk for falls and provide fall prevention interventions in the home. In this systematic review, we seek to assess the efficacy and qualitative factors determining success of these programs. METHODS: Studies reporting the outcomes of fall prevention interventions delivered by EMS were identified by searching the electronic databases PubMed, Embase, Web of Science Core Collection, CINAHL and the Cochrane Central Register of Controlled Trials through 11 July 2023. RESULTS: 35 studies including randomised and non-randomised experimental trials, systematic reviews and qualitative research primarily from Western Europe, the USA, Australia and Canada were included in our analysis. Current fall prevention efforts focus heavily on postfall referral of at-risk community members. CEMS fall prevention interventions reduced all-cause and fall-related emergency department encounters, subsequent falls and EMS calls for lift assist. These interventions also improved patient health-related quality of life, independence with activities of daily living, and secondary health outcomes. CONCLUSIONS: CEMS programmes provide an opportunity for direct, proactive fall prevention on the individual level. Addressing barriers to implementation in the context of current emergency medical systems in the USA is the next step toward widespread implementation of these novel fall prevention interventions.
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 | 0,011 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,009 |
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 ».