Increased Fracture Risk in Patients with Rheumatic Disorders and Other Inflammatory Diseases — A Case-Control Study with 53,108 Patients with Fracture: Table 1.
Notice bibliographique
Résumé
OBJECTIVE: To identify the risk of hip and vertebral fractures in patients with rheumatic disorders (RD) and inflammatory bowel diseases (IBD). METHODS: This population-based case-control study assessed the fracture risk of patients with rheumatoid arthritis, juvenile idiopathic arthritis (JIA), ankylosing spondylitis (AS), systemic lupus erythematosus, polymyositis/dermatomyositis (PM/DM), systemic sclerosis (SSc), Crohn's disease, and ulcerative colitis (UC). The study cohort comprised 53,108 patients with fracture (66% women) and 370,602 age-matched and sex-matched controls. Conditional logistic regression analysis was performed and results were expressed as OR with corresponding 95% CI. RESULTS: There was a statistically significant increased fracture risk for all RD and for IBD compared with controls. The magnitude of fracture risk was higher for patients with RD (OR 3, 95% CI 2.9-3.2) than for those with IBD (OR 1.6, 1.4-1.8). The OR in RD ranged from 2.6 (1.3-4.9) for SSc to 4 (3.4-4.6) for AS. The largest increased fracture risk for vertebral fractures was seen in AS (OR 7.1, 6-8.4) and for hip fractures in JIA (OR 4.1, 2.4-6.9). CONCLUSION: Our results highlight the existence of an increased fracture risk from a variety of underlying causes in patients with RD and IBD. In many inflammatory diseases, implementation of fracture prevention strategies may be beneficial.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».