Combined Vertebral Fracture Assessment and Bone Mineral Density Measurement: A Patient-friendly New Tool with an Important Impact on the Canadian Risk Fracture Classification
Notice bibliographique
Résumé
PURPOSE: Vertebral fractures often go unnoticed, while they constitute a significant risk factor for new fractures, independent of the bone density. Vertebral Fracture Assessment (VFA) is a new feature on DXA bone densitometry equipment. Our purpose was to determine the added value of VFA and its impact on the Canadian fracture risk classification using data from a Dutch academic cohort. METHODS: All 958 consecutive patients (64% female, mean age 53 [20-94], mean weight 75 kg [32-150]) who underwent BMD measurement at the University Medical Center Groningen, The Netherlands also underwent VFA in the same session. RESULTS: The prevalence of vertebral fractures was 26%. In 68% of these patients this fracture was unknown. The severity was "mild" (20%-25% height loss) in 43%, "moderate" (25%-35%) in 44% and "severe" (>35% height loss) in 13%. Even after excluding mild fractures, the prevalence of vertebral fractures was 17%. In the 28% with normal BMD the vertebral fracture prevalence was still 18%, in the 43% with osteopenia 23%, and in the 29% with osteoporosis 36%. The Canadian risk classification was "low fracture risk" in 68%, "moderate" in 19%, and "high" in 13%. Adding VFA altered the classification in 20% of the patients, to become 54%, 27%, and 19%, respectively. CONCLUSIONS: VFA added to BMD is a patient friendly diagnostic tool with a high diagnostic yield, as it detected unknown vertebral fractures and altered diagnostic classification in approximately 1 out of every 5 patients. These results suggest that BMD plus VFA may become the new standard in osteoporosis testing.
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 | 0,001 |
| 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 | 0,001 | 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 ».