Évaluation systématique des chutes et du risque de chutes : Sondage sur l’attitude et les perceptions des infirmières cliniques en oncologie
Bibliographic record
Abstract
Chez les personnes âgées atteintes de cancer, les chutes sont un problème souvent sous-estimé et peu rapporté. La présente étude visait à explorer la volonté des infirmières cliniques en oncologie à évaluer et à dépister systématiquement les chutes dans leur pratique; l’étude examinait également les obstacles perçus à l’évaluation et au dépistage systématique. Les infirmières ont donc été invitées à remplir un sondage en ligne. Les données ont été analysées à l’aide de statistiques descriptives. La majorité des infirmières ayant répondu ont dit qu’elles accepteraient de poser systématiquement des questions sur les chutes (85,7 %) et de dépister les risques de chutes (73,5 %) chez les personnes âgées. Voici les principales raisons des réticences : conviction que les patients signalent les chutes d’eux-mêmes, manque de temps, pénurie de personnel de soutien. Selon les résultats de l’étude, beaucoup d’infirmières en oncologie trouvent important d’évaluer et de dépister systématiquement les chutes, et sont d’accord pour l’intégrer à leur pratique bien que, d’habitude, les chutes ne fassent pas automatiquement l’objet de questions ou d’une évaluation. Étant donné les conséquences des chutes sur ces patients vulnérables, la recherche à venir devra explorer les stratégies permettant de surmonter les obstacles auxquels se butent les infirmières.
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 | 0.063 | 0.143 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".