Quality of fracture risk assessment in post-fracture care in Ontario, Canada
Notice bibliographique
Résumé
UNLABELLED: As fracture risk assessment is a basis for treatment decisions, accurate risk assessments on bone mineral density (BMD) reports are important. Over 50 % of sampled BMD reports for Ontarians with fracture histories underestimated fracture risk by a single category. Risk assessments in Ontario may not accurately inform treatment recommendations. INTRODUCTION: The shifting emphasis on fracture risk assessment as a basis for treatment recommendations highlights the importance of ensuring that accurate fracture risk assessments are present on reading specialists' BMD reports. This study seeks to determine the accuracy of fracture risk assessments on a sample of BMD reports from 2008 for individuals with a history of fracture and produced by a broad cross section of Ontario's imaging laboratories. METHODS: Forty-eight BMD reports for individuals with documented history of fragility fracture were collected as part of a cluster randomized trial. To compute fracture risk, risk factors, and BMD T-scores from reports were abstracted using a standardized template and compared to the assessments on the reports. Cohen's kappa was used to score agreement between the research team and the reading specialists. RESULTS: The weighted kappa was 0.21, indicating agreement to be at the margin of "poor to fair." More than 50 % of the time, reported fracture risks did not reflect fracture history and were therefore underestimated by a single category. Over 30 % of the reports containing a "low" fracture risk assessment were assessed as "moderate" fracture risk by the research team, given fracture history. Over 20 % of the reports with a "moderate" fracture risk were assessed as "high" by the research team, given fracture history. CONCLUSIONS: This study highlights the high prevalence of fracture risk assessments that are underestimated. This has implications in terms of fracture risk categorization that can negatively affect subsequent follow-up care and treatment recommendations.
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 | 0,005 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».