MétaCan
Menu
Back to cohort
Record W7074645187

Queda e sua relação com fatores sociodemográficos e de saúde em idosos de uma comunidade brasileira: estudo de seguimento

2016· article· pt· W7074645187 on OpenAlexaboutno aff

Bibliographic record

VenueAmericanae (AECID Library) · 2016
Typearticle
Languagept
FieldMaterials Science
TopicGlass properties and applications
Canadian institutionsnot available
Fundersnot available
KeywordsPopulationContext (archaeology)Scale (ratio)Data collectionLimiting
DOInot available

Abstract

fetched live from OpenAlex

No decorrer do processo de envelhecimento há uma diminuição das habilidades físicas, psicológicas e sociais na pessoa o que aumenta o risco de sofrer de múltiplas síndromes, uma delas é a queda. O presente estudo é analítico, observacional de coorte retrospectivo com o objetivo de determinar a prevalência de queda em um seguimento de cinco anos em duas avaliações (2007/2008 - 2013) de idosos que vivem no domicílio e a sua relação com as variáveis sociodemográficas, doenças autorreferidas, número de medicamentos, estado cognitivo, síndrome da fragilidade e capacidade funcional. A pesquisa foi realizada na cidade de Ribeirão Preto, São Paulo, com população de idosos com 65 anos ou mais de idade. A amostra foi por conglomerado em duplo estágio sendo a amostra final de 515 idosos, sendo que a primeira etapa ocorreu de agosto de 2007 a março de 2008 e a segunda realizada de julho a dezembro de 2013. O instrumento utilizado para a coleta de dados foi composto por questões sociodemográficas; doenças autorreferidas e número de medicamentos; Mini Exame do Estado Mental (MEEM); avaliação da queda; Edmonton Frail Scale (EFS); Medida de Independência Funcional (MIF) e Escala de Lawton e Brody (AIVD). Foram pareadas as informações dos 262 idosos, sendo que houve predomínio do sexo feminino (66,4%), média da idade de 73,3 (dp=6,3) anos sendo que 56,9% foram categorizados como idoso mais jovem (70 - 79 anos), média de escolaridade de 5,0 (dp=4,9) anos e 49,2% eram casados. Verificou-se que em ambas as avaliações, o estado cognitivo diminuiu de 24,87 para 22,90 pontos com aumento do déficit cognitivo de 44,7 para 58,4%. Nas AIVD a média também diminuiu de 19,41 para 17,39 pontos, aumentando a dependência funcional de 44,7% para 66,1%. Quanto a MIF, a média diminui de 120,33 para 112,49 pontos com aumento da dependência de 4,2% para 15%. Verificou-se que a média da fragilidade aumentou de 4,16 para 6,53 pontos sendo que a categoria fragilidade aumentou de 17,5% para 50,4%. Por outro lado, a média das doenças autorreferidas diminuiu de 5,63 para 5,16 dos quais tanto na primeira como na segunda avaliação 5,7% não sofrem de doenças mas na primeira avaliação 46,2% sofrem mais de cinco doenças e na segunda 41,2%. Porém quanto ao consumo de medicamentos a média aumentou de 3,59 para 4,03, sendo que 22,5% na primeira avaliação consomem mais de cinco medicamentos e na segunda 28,6%. Em relação com o idoso que sofreu queda, na primeira avaliação 57 caíram e na segunda 99, a prevalência aumentou de 21,8% para 37,8%, sendo que em ambas as avaliações 82,5% e 73,7%, respectivamente, caíram da própria altura, trazendo consequências como fraturas, feridas e escoriações, além do medo de novas reincidências. Os idosos que sofreram queda apresentaram diminuição do estado cognitivo, maior fragilidade e incapacidade funcional com um aumento das doenças autorreferidas e número de medicamentos. Na associação da queda com as diferentes variáveis, verificou-se que no período do estudo, o número de doenças autorreferidas, o maior consumo de medicamentos e o aumento da fragilidade o idoso apresenta maior risco de queda. Conclui-se que a queda é uma síndrome que está relacionada com múltiplas causas (variáveis sociodemográficas e de saúde) o que leva a maior necessidade de implementar programas com planejamento para a prevenção de queda e suas consequências por meio da educação à população idosa e seus cuidadores

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.117
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0020.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.017
GPT teacher head0.252
Teacher spread0.235 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueAmericanae (AECID Library)Same topicGlass properties and applicationsFrench-language works237,207