Notice bibliographique
Résumé
More than half of older women who sustain a fragility fracture do not have osteoporosis by World Health Organization (WHO) bone mineral density (BMD) criteria; and, while BMD has been used to assess fracture risk for over 30 years, a range of other skeletal and nonskeletal clinical risk factors (CRFs) for fracture have been recognized. More than 30 assessment tools using CRFs have been developed, some predicting fracture risk and others low BMD alone. Recent systematic reviews have reported that many tools have not been validated against fracture incidence, and that the complexity of tools and the number of CRFs included do not ensure best performance with poor assessment of (internal or comparative) validity. Internationally, FRAX® is the most commonly recommended tool, in addition to QFracture in the UK, The Canadian Association of Radiologists and Osteoporosis Canada (CAROC) tool in Canada and Garvan in Australia. All tools estimate standard 10-year risk of major osteoporotic and 10-year risk of hip fracture: FRAX® is able to estimate fracture risk either with or without BMD, but CAROC and Garvan both require BMD and QFracture does not. The best evidence for the utility of these tools is in case finding but there may be future prospects for the use of 10-year fracture risk as a common currency with reference to the benefits of treatment, whether pharmacological or lifestyle. The use of this metric is important in supporting health economic analyses. However, further calibration studies will be needed to prove that the tools are robust and that their estimates can be used in supporting treatment decisions, independent of BMD.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».