45FRACTURE RISK PREDICTION AND TREATMENT THRESHOLDS USING FRAX, GARVAN AND QFRACTURE IN AN OSTEOPOROSIS CLINIC POPULATION
Notice bibliographique
Résumé
Introduction: Fracture prediction tools are increasingly used in osteoporosis treatment decisions. FRAX, Garvan and QFracture are the most common web based ones used. It is unknown if these tools would identify the same patients for treatment. The aim of this study was to compare these tools with each other in individual patients. Method: We applied these 3 tools to women consecutively attending osteoporosis clinics and calculated their 10 year major osteoporotic and hip fracture risk, utilising a 20% intervention threshold to determine treatment. We also compared the 20% intervention threshold of FRAX (FRAX-20) with National Osteoporosis Guideline Group (NOGG) guidelines (age related threshold). Results: 100 women (mean age = 70.1; SD = 11.3 years) were studied. Compared with FRAX, Garvan overestimated major osteoporotic fracture risk by 2-fold [41.5%(95%CI = 31.8-51.2) versus 18.8%(95%CI = 11.1-26.5)], and hip fracture by nearly 4-fold [24.7%(95%CI = 16.2-33.2) versus 7.1%(95%CI = 2.1-12.1)]. With QFracture and FRAX the risk of major osteoporotic fracture was similar [22.4%(95%CI = 14.2-30.6) versus 18.8%(95%CI = 11.1-26.5)], while hip fracture risk was twice as high [16.8%(95%CI = 9.5-24.1) versus 7.1%(95%CI = 2.1-12.1)]. FRAX-20, Garvan and QFracture recommended treatment in 38%, 75% and 40% respectively. There was discordance, with 26% of patients being recommended for treatment by all 3 tools, and 24% not recommended treatment by all tools. FRAX-20 would treat 12 patients that NOGG would not treat, and NOGG would treat 20 patients that FRAX-20 would not treat.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».