MétaCan
Menu
Retour à la cohorte
Enregistrement W7073655988

Relationship between depression and falls among nursing home residents: integrative review

2024· article· en· W7073655988 sur OpenAlexaboutno aff

Notice bibliographique

RevuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT) · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCINAHLPsycINFOMEDLINEDepression (economics)DementiaGeriatric Depression ScalePoison controlSystematic reviewPsychopathologySuicide prevention
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Depression is a highly prevalent psychopathological condition among older adults, particularly those institutionalized in nursing homes (NHs). Unfortunately, it is poorly identified and diagnosed. NH residents are twice as likely to fall as community-dwelling older adults. There is a need for more knowledge about the mechanisms and relationships between depression and falls. Objective: This study aims to identify, analyze, and synthesize research on the relationships between depression and falls among NH residents. Methods: A literature search was conducted in October 2023 in the following bibliographic databases: MEDLINE ALL Ovid, Embase, CINAHL with Full Text EBSCO, APA PsycInfo Ovid, Web of Science Core Collection, the Cochrane Database of Systematic Reviews Wiley, and ProQuest Dissertations & Theses A&I. Clinical trials were searched for in the Cochrane Central Register of Controlled Trials Wiley, ClinicalTrials.gov, and the World Health Organization International Clinical Trials Registry Platform. Additional searches were performed using Google Scholar, the DART-Europe E-theses Portal, and backward citation tracking. The Newcastle-Ottawa Scale and the Appraisal tool for Cross-Sectional Studies were used to evaluate study quality. Results: The review included 7 quantitative studies published in 7 different countries from 3 continents; of these, 6 (86%) were cross-sectional studies, and 1 (14%) was a prospective cohort study. Results suggested high frequencies of depressive symptoms and falls among older adults living in NHs, and depressive symptoms were considered a risk factor for falls. The 15-item and 10-item versions of the Geriatric Depression Scale were the most commonly used measurement tools, followed by the Cornell Scale for Depression in Dementia and the Resident Assessment Instrument-Minimum Data Set 2.0. The prevalence of depression was heterogeneous, varying from 21.5% to 47.7% of NH residents. The studies used heterogeneous descriptions of a fall, and some considered the risk of falls, recurrent fallers, and near falls in their data. The prevalence of fallers was disparate, varying from 17.2% to 63.1%. Of the 7 retained studies, 6 (86%) reported a relationship between depression and falls or the risk of falls. Among the 19 other risk factors identified in the review as being associated with falls among NH residents were a history of falls in the last 180 days, >1 fall in the past 12 months, and respiratory illnesses. Conclusions: There is a paucity of research examining falls among older adults with depressive symptoms in NHs. These findings should alert nurses to the need to consider depression as a risk factor in their work to prevent falls. More research is needed to gain a comprehensive understanding of fall risk among NH residents with depressive symptoms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0080,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,372
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePortuguese National Funding Agency for Science, Research and Technology (RCAAP Project by FCT)Même sujetGeological and Geochemical AnalysisTravaux en français237 207