A Cross-Sectional Study of the Prevalence, Correlates, and Costs of Falls in Older Home Care Clients ‘At Risk’ for Falling
Bibliographic record
Abstract
RÉSUMÉ Cette étude a examiné la prévalence pendant 6 mois, à l’aide des services de soutien à domicile, des facteurs de risque et des coûts de chutes de personnes âgées qui sont à risque de chute. Des 109 participants, 70,6 pour cent ont indiqué une chute dans les six mois précédents et 27,5 pour cent ont éprouvé plusieurs chutes. Bien qu’il n’y avait aucune différence statistiquement significative dans n’importe quel facteur de risque lié à la chute parmi ceux qui sont tombés (1+ chutes) et ceux qui ne sont pas tombés (0 chutes), ceux qui sont tombés ont montrés des tendances de plus en plus évidentes de fonctionnement réduit sur le plan physique, social et psychologique. Dans le coût total par personne d’utilisation des services de santé au cours des 6 derniers mois, il n’y avait aucune différence statistiquement significative entre ceux qui sont tombés et ceux qui ne sont pas tombés; toutefois, il y avait des différences significatives entre les groupes dans certains types de services de santé. L’analyse multivariable a révélé la présence de cinq facteurs de risques de chutes: troubles neurologiques (p. ex., diminution cognitive, maladie de Parkinson), l’âge ≥85 ans, risques environnementaux, glissade ou trébuchant précédente et déficience visuelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".