Low Bone Density in Systemic Sclerosis. A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: The effect of systemic sclerosis (SSc) on bone density is not well understood. Through systematic review of the literature, the objectives of this study were to synthesize data about the prevalence of low bone mineral density (BMD), risk factors for low BMD, and occurrence of fracture and fracture-related mortality in SSc. METHODS: A search was conducted of MEDLINE (1948-2012), Evidence Based Medicine Reviews (1991-2012), EMBASE (1980-2012), and CINAHL (1981-2012). Abstracts were screened to identify studies that evaluated low BMD in patients with SSc. Two investigators independently used a standardized form to abstract prevalence of osteopenia and osteoporosis (OP); risk factors for low BMD, BMD measurements, frequency of fracture, and fracture-related mortality. RESULTS: Screening of 1032 citations identified 19 articles. Fifteen studies compared patients with SSc to controls. Most patients were white, female (prevalence 74%-100%), and postmenopausal (prevalence 45.9%-100%). The prevalence of low BMD and OP was 27%-53.3% and 3%-51.1%, respectively. Ten studies reported a lower BMD in patients with SSc compared to matched controls, whereas 2 studies reported no difference. Candidate risk factors for low BMD in SSc include family history of OP, age, menopause, diffuse subtype, presence of internal organ involvement, low vitamin D levels, and calcinosis. However, the studies supporting these factors were conflicting. Fracture rate ranged between 0% and 38%. No study reported OP-related fracture mortality. CONCLUSION: The data suggest that patients with SSc are at risk of low BMD and fracture, especially when other risk factors for OP are present. The interaction of SSc manifestations, traditional OP risk factors, and clinically relevant outcomes is complex and warrants further research.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».