Determining the Relationship Between Frailty and Fall Risk in Elderly People Living in Nursing Homes
Notice bibliographique
Résumé
Objective: The study aimed to determine the relationship between the level of frailty and the risk of falls in the elderly living in nursing homes and to draw attention to this issue. Method: The cross-sectional and descriptive study was conducted in two state-owned nursing homes in Adana between January 2, 2023, and January 15, 2023. The study was conducted by face-to-face interviews with a total of 220 elderly people who met the research criteria and agreed to participate in the study. Data were collected using the Personal Information Form, Itaki Fall Risk Index, and Edmonton Frailty Scale. Results: 63,6% of the participants were women, and the average age was 76±8 (min=60, max=98). Female gender (58,3%), normal BMI (54,9%), lack of regular exercise (85,4%), presence of chronic disease (55,6%), use of assistive devices (85,6%), history of falling A statistically significant relationship was found between (63,9%) and hospitalization history (61,1%) and fall risk level (p<0.05). Normal BMI (60%), lack of regular exercise (70%), presence of chronic disease (70%), number of medications used 1-3 (55%), use of assistive devices (97,5%), history of falling (100%), a statistically significant relationship was found between the history of hospitalization (72,5%) and the risk level of severe frailty (p<0,05). A statistically significant relationship was found between frailty level and fall risk (p = 0,00). Conclusion: Elderly people with moderate and severe frailty were found to be at high risk of falls.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».