Fracture risk prediction: importance of age, BMD and spine fracture status
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Our purpose was to identify factors for a parsimonious fracture risk assessment model considering morphometric spine fracture status, femoral neck bone mineral density (BMD) and the World Health Organization (WHO) clinical risk factors. Using data from 2761 subjects from the Canadian Multicentre Osteoporosis Study (CaMos), a prospective, longitudinal cohort study of randomly selected community-dwelling men and women aged ⩾50 years, we previously reported that a logistic regression model considering age, BMD and spine fracture status provided as much predictive information as a model considering these factors plus the remaining WHO clinical risk factors. The current analysis assesses morphometric vertebral fracture and/or nonvertebral fragility fracture at 5 years using data from an additional 1964 CaMos subjects who have now completed 5 years of follow-up (total N=4725). Vertebral fractures were identified from lateral spine radiographs assessed using quantititative morphometry at baseline and end point. Nonvertebral fragility fractures were determined by questionnaire and confirmed using radiographs or medical records; fragility fracture was defined as occurring with minimal or no trauma. In this analysis, a model including age, BMD and spine fracture status provided a gradient of risk per s.d. (GR/s.d.) of 1.88 and captured most of the predictive information of a model including morphometric spine fracture status, BMD and all WHO clinical risk factors (GR/s.d. 1.92). For comparison, this model provided more information than a model considering BMD and the WHO clinical risk factors (GR/s.d. 1.74). These findings confirm the value of age, BMD and spine fracture status for predicting fracture risk.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle