Prevalence, severity, associated factors and assessment of risk for falls among elderly in Sri Lanka
Notice bibliographique
Résumé
Background: Falls among the elderly is a significant global health problem. Therefore, we aimed to study the prevalence, severity, and factors associated with falls among community-dwelling elders and assess their future risk of falls.Methods: A descriptive cross-sectional study was conducted among 128 residents aged ≥65 years from a housing complex in Colombo, Sri Lanka. Participants were selected using systematic sampling. Data were obtained using an interviewer-administered questionnaire. Disability, cognition and future falls risk were assessed using the modified Rankin scale (mRS), the Montreal Cognitive Assessment (MoCA) tool and the QuickScreen (QS) tool, respectively.Results: Among the participants, 54.7% were aged 65-74 years and 55.5%were women. Prevalence of falls was 44.5% in the last five years and 17.2% in the last one year. Of those who fell, 2.4% had significant disability (mRS≥3) and 63.2% required medical attention. Cognitive impairment (MoCA<26/30) was found among 84.4%. Diabetes (36.7%), hypertension (60.9%), backache (59.4%), obesity (65.6%), impaired mobility and vision impairment (71.9%) were the identified biological risk factors. Slippery floors (38.3%) were the commonest environmental risk factor. Among the participants 35.9% were taking >3 types of medications. In the mobility tests, 66.4% failed the alternate step test, 64.1% failed the sit to stand test while 25% failed the near tandem test. Based on the QS scores, the fall risk in the ensuing 12 months was found to be high in seven participants (5.5%), moderate in 86 (67.1%) and low in 35 (27.3%).Conclusion: Falls among elderly were common and was associated with significant morbidity. Many elders possessed more than one risk factor for falls and the future falls risk was found to be moderate to high.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».