FRAX Predicts Fracture Risk in Kidney Transplant Recipients
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization Fracture Risk Assessment Tool (FRAX) estimates the 10-year fracture probability. We assessed the prognostic value of FRAX in kidney transplant recipients, as its utility in recipients is unknown. METHODS: We considered 458 individuals (mean age 45 years, 64% men) who received a kidney transplant in the province of Manitoba, Canada at the time of their first bone mineral density (BMD) test posttransplant (mean 1.1 years posttransplant; transplant years 1996-2011). FRAX probabilities were calculated from baseline information (age, sex, clinical risk factors, with or without BMD). Recipients were followed a mean of 6.4 years (interquartile range 3.0-10.0 years) after cohort entry for an incident major osteoporotic fracture. RESULTS: In follow-up, 21 (4.6%) recipients experienced a major osteoporotic fracture. The observed 10-year major osteoporotic fracture risk of 6.3% (95% CI, 3.4-9.2%) was concordant with FRAX predictions (5.0% with BMD, 5.6% without BMD). Major osteoporotic fracture scores showed significant fracture prediction (hazard ratio per standard deviation, FRAX without BMD 1.66, 95% CI, 1.10-2.50; FRAX with BMD 1.64, 95% CI, 1.07-2.51). Area under the curve (AUC) for incident major osteoporotic fracture discrimination (AUC: FRAX with BMD 0.62, 95% CI, 0.50-0.74) was similar to the general population. CONCLUSIONS: FRAX scores categorized most kidney transplant recipients as a low-risk fracture group, and the low observed fracture rates were consistent with the 10-year fracture predictions. FRAX showed modest fracture prediction and discrimination similar to the general population. Independent validation is needed before clinicians can routinely use FRAX in kidney transplant recipients.
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 ».