Relationship of Weight, Height, and Body Mass Index With Fracture Risk at Different Sites in Postmenopausal Women: The Global Longitudinal Study of Osteoporosis in Women (GLOW)
Notice bibliographique
Résumé
Low body mass index (BMI) is a well-established risk factor for fracture in postmenopausal women. Height and obesity have also been associated with increased fracture risk at some sites. We investigated the relationships of weight, BMI, and height with incident clinical fracture in a practice-based cohort of postmenopausal women participating in the Global Longitudinal study of Osteoporosis in Women (GLOW). Data were collected at baseline and at 1, 2, and 3 years. For hip, spine, wrist, pelvis, rib, upper arm/shoulder, clavicle, ankle, lower leg, and upper leg fractures, we modeled the time to incident self-reported fracture over a 3-year period using the Cox proportional hazards model and fitted the best linear or nonlinear models containing height, weight, and BMI. Of 52,939 women, 3628 (6.9%) reported an incident clinical fracture during the 3-year follow-up period. Linear BMI showed a significant inverse association with hip, clinical spine, and wrist fractures: adjusted hazard ratios (HRs) (95% confidence intervals [CIs]) per increase of 5 kg/m(2) were 0.80 (0.71-0.90), 0.83 (0.76-0.92), and 0.88 (0.83-0.94), respectively (all p < 0.001). For ankle fractures, linear weight showed a significant positive association: adjusted HR per 5-kg increase 1.05 (1.02-1.07) (p < 0.001). For upper arm/shoulder and clavicle fractures, only linear height was significantly associated: adjusted HRs per 10-cm increase were 0.85 (0.75-0.97) (p = 0.02) and 0.73 (0.57-0.92) (p = 0.009), respectively. For pelvic and rib fractures, the best models were for nonlinear BMI or weight (p = 0.05 and 0.03, respectively), with inverse associations at low BMI/body weight and positive associations at high values. These data demonstrate that the relationships between fracture and weight, BMI, and height are site-specific. The different associations may be mediated, at least in part, by effects on bone mineral density, bone structure and geometry, and patterns of falling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».