Identifying Fallers among Home Care Clients with Dementia and Parkinson’s Disease
Bibliographic record
Abstract
RÉSUMÉ Il y a eu peu d’études qui se concentrent sur les chutes chez les clients qui reçoivent des soins à domicile (SD) avec des conditions neurologiques. Cette étude a identifié les facteurs qui accroissent le risque de chutes chez les clients SD sans histoire récente de telles chutes, et a exploré si les profils de risque variaient parmi les personnes atteintes de démence ou le parkinsonisme, par rapport à celles sans conditions neurologiques sélectionnés. Une étude de cohorte rétrospective a été utilisée, et l’analyse des données provenant de clients SD communautaires de l’Ontario a été menée sur un échantillon de clients ambulatoires atteints de démence, de parkinsonisme, ou d’aucune des conditions neurologiques sélectionnées. Les données ont été obtenues à partir de l’instrument d’évaluation des résidents en soins à domicile (IERSD-SD). Dans l’analyse multivariée, le résultat utilisé était de savoir si les clients ont tombé au cours du suivi. Une démarche instable était un fort prédicteur des chutes dans les trois groupes. Le parkinsonisme co-morbide a prédit plus fortement les chutes dans le groupe de démence. Les clients qui ont montré la limite intacte à la déficience cognitive légère étaient plus susceptibles de se sont trouvés dans les groupes de parkinsonisme et de comparaison. Les chances de tomber étaient plus élevées pour les clients avec la limite intacte à la déficience cognitive légère qui également faisaient partie des groupes de la maladie de Parkinson et de comparaison.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".