Fall risk stratification in older adults: low and not-at-risk status still associated with falls and injuries.
Notice bibliographique
Résumé
BACKGROUND: Falls guidelines recommendations for individuals classified as 'not-at-risk' range from no further actions to offering education and exercises. However, there is a scarcity of prospective studies analysing the rate of falls and injuries in this not-at-risk group to inform recommendations. OBJECTIVE: To prospectively estimate the rate of falls and injuries in older adults considered 'not-at-risk' for falls. DESIGN: Prospective cohort study. SETTING: Geriatric Medicine Clinics. SUBJECTS: Community-dwelling older adults aged 65 and older. METHODS: Falls risk stratification was operationalised by adapting the Centers for Disease Control and Prevention's Stopping Elderly Accidents, Deaths and Injuries algorithm. Associations of risk strata (screened not-at-risk vs. at-risk) with incident falls and injuries were estimated using incidence rate ratios [adjusted incident rate ratio (aIRR), Poisson regression model]. Associations between slow gait speed (<1 m/s) and injurious falls were estimated by risk strata using hazard ratios (adjusted hazard ratio, Cox and Poisson regression model). RESULTS: Of 403 participants, 64% of at-risk individuals fell during the follow-up compared to 41.3% in the not-at-risk group, whilst injurious falls were reported by 63.2% of the not-at-risk group and by 59.7% of the at-risk group. At-risk individuals had a higher rate of falls (aIRR = 3.91, 95% CI: 3.30-4.64, P < .001) but a similar rate of injurious falls as the not-at-risk individuals (aIRR = 1.26, 95% CI: 0.93-1.71; P = .11). Not-at-risk individuals with slow gait speed sustained injurious falls at twice the rate (aIRR = 1.83, 95% CI: 1.12-3.91, P = .008) than those without slow gait speed. CONCLUSIONS: Being screened as not-at-risk for falls does not mean no risk at all. Routinely and universally assessing gait speed could identify not-at-risk individuals who are likely to sustain injuries after a fall and could benefit from primary prevention.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».