Notice bibliographique
Résumé
Rehabilitation patients are at increased risk of falling due to multiple risk factors, while being in a unique environment that encourages increased independence and functional gains. Evidence Falls account for approximately 90 % of all fractures in people age 65 years and older and are the 6th leading cause of Sentinel Events according to The Joint Commission. Strategy To help prevent these adverse events that hinder rehabilitation patients from working toward improving their functional outcomes, a Fall Prevention Interdisciplinary Team was formed in 2004. A comprehensive education campaign was implemented. The fall prevention program encompasses a transdisciplinary and multi-directional approach, where every employee in the facility has been empowered to promote patient safety to reduce the number of falls. Practice Change Identification of at risk patients was our first challenge. Once high risk patients were identified, a well designed evidence-based protocol was implemented. Shortly after implementing fall reduction strategies, the facility became restraint-free, which required further revisions to our processes. Evaluation Monthly interdisciplinary team meetings are conducted to evaluate each patient fall, including root cause(s) of the fall, medications, etc. The team trends fall prevalence, injuries related to falls, time of fall, shift of fall, day of the week, etc. Results As a result of this program, the fall prevalence rate was reduced from 11.5 in 2005 to 7.67 in 2008, a decrease of 33%, without the use of restraints. The prevalence rate for 2nd quarter of fiscal year 2009 is 5.66.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,165 | 0,043 |
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 ».