Notice bibliographique
Résumé
Introduction: Falls are the leading cause of injury in older adults, resulting in worsening comorbidities, bone fractures, post-fall syndrome, and soft tissue injuries. This retrospective study aims to investigate the association between fall risk and the Montreal Cognitive Assessment (MoCA) scores, as well as other risk factors, among older adults in Thailand. Methods: Data on patients who experienced a fall within a 12-month period were collected from medical records at the Geriatric Excellence Center, King Chulalongkorn Memorial Hospital. Potential fall risk factors available in the medical records included ability to perform activities of daily living, level of dependency, depression, cognitive function, nutritional status, use of sleep medications, nocturia, handgrip strength, and the presence of sarcopenia according to the Asian Working Group for Sarcopenia criteria. Additionally, information regarding the use of various medications, particularly sleeping pills, was also recorded. Univariate and multiple regression analysis was conducted to assess the impact of different factors. Results: A total of 5336 older adults were included in this study, of which 4309 were female (75.83%) and 1,027 were male (24.17%). The mean age was 68.3 (±5.0) years (age range from 60 to 96 years). Multiple logistic regression analysis revealed that age, being female, cognitive impairment, low handgrip strength, gait speed, use of sleep medications, and urinary incontinence were associated with an increased incidence of falls. Among Thai older adults, the slow gait speed showed the strongest association with falls risk. Conclusion: Risk factors for falls among older adults in Thailand include age, being female, cognitive impairment, low handgrip strength, gait speed, use of sleep medications, and urinary incontinence. These findings are consistent with research conducted in other populations, emphasizing the need for comprehensive assessments and targeted interventions to address these factors and prevent falls in at-risk individuals.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».