Associação entre fragilidade e risco de quedas em pessoas idosas hospitalizadas no Nordeste do Brasil
Bibliographic record
Abstract
Objetivo: Analisar a associação entre o grau de fragilidade e o risco de quedas em idosos hospitalizados. Métodos: Estudo transversal, quantitativo, realizado com 142 idosos de um hospital universitário localizado no Nordeste do Brasil. As avaliações envolveram a aplicação do Mini exame do Estado Mental, Morse Fall Scale e Edmonton Frail Scale. Para as análises estatísticas utilizaram-se os Testes Qui-quadrado e o Teste exato de Fisher, ao nível de confiança de 95%. Resultados: A maioria dos idosos era do sexo feminino (52,8%), com idade de 60 e 69 anos (59,2%), casada ou em união estável (69,0%), não alfabetizada (38,7%). Foi identificada associação estatisticamente significativa entre fragilidade na pessoa idosa com maior risco de quedas, assim como o contrário, comprovado pelo p-valor de 0,001. Conclusão: Os achados sugerem que a fragilidade exerce influência na ocorrência e número de quedas e que a ocorrência de quedas também contribui para o desenvolvimento da fragilidade em idosos. Os prestadores de cuidados de saúde no ambiente hospitalar devem estar atentos a essa associação e priorizar as ações de acordo, considerando as graves consequências de uma queda.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 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".