Unintentional Falls in Older Adults: A Methodological Historical Review
Bibliographic record
Abstract
RÉSUMÉ PubMed fournit plus de 6,000 références (700 critiques) sur les chutes accidentelles des personnes âgées. Cet article retrace les jalons principaux et méthodologiques dans l’application de méthodes épidémiologiques depuis les premières publications dans ce domaine, à la fin des années quarante. Dans le contexte des avances faites en définition des cas médicaux, échantillonnage, mesure, conception de la recherche et l’analyse statistique, l’article passe en revue les estimations de fréquence d’apparition, les associations de facteurs de risque, les conséquences de la morbidité et de la mortalité, la démonstration de la théorie des facteurs multirisques à l’aide des interventions sur la prévention des chutes et les défis de modèles de prédiction des risques de chutes. Les explications méthodologiques sont fournies pour les hétérogénéités observées et le cas médical est présenté en faveur d’aller au-delà des listes indifférenciées des facteurs de risque, en mettant l’accent sur l’équilibre et la démarche comme les facteurs par lesquels on peut mieux comprendre les effets mécanistes des facteurs de risque distaux. En outre, l’affaire est faite pour faire avancer nos analyses statistiques en examinant les interactions parmi les facteurs de risque intrinsèques et entre les facteurs intrinsèques, extrinsèques et environnementaux.
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 | 0.034 | 0.123 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.004 |
| Bibliometrics | 0.023 | 0.019 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".