Exploring Older Adults' Perceptions of Stair Hazards and an m-health Fall Prevention App: A Focus Group Study
Notice bibliographique
Résumé
Older adults are disproportionately susceptible to hospitalizations and fatalities due to stair-related falls. While many intrinsic risk factors, such as mobility and vision, may increase the likelihood of falls on stairs, features of the stairs that increase the risk of falls are understudied. This study aimed to capture older adults&rsquo; perspectives of stair falls, as well as introduce the Safer Steps app and explore its feasibility in this population. This m-health technology was designed to gather data on stair-related falls and identify hazardous stair features (e.g., the absence of handrails, uneven steps). Capturing older adults&rsquo; perspectives of the role of the built environment in stair-related falls is crucial for fostering the adoption and use of the Safer Steps app in this demographic. Fifteen older adults (<em>M</em> = 73 years, SD = 5.29) participated in focus groups discussing falls, stair-related falls, technology use and the design concept of the Safer Steps app. Reflexive thematic analysis revealed that participants expressed fear of falling and cited intrinsic risk factors, such as age, medications, and footwear, alongside extrinsic risk factors related to the built environment, to be major causes of stair-related falls. They highlighted the significance of the built environment in fall prevention, particularly surface conditions, step dimensions, and handrails. Most participants were familiar with apps and endorsed the Safer Steps app design to mitigate stair-related fall risk. Findings indicate older adults&#39; willingness to engage in strategies which reduce stair fall risk, such as modifying their behaviour by using handrails and changing footwear, viewing the Safer Steps app as a practical tool for identifying built environment hazards.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».