Challenges in Defining Quality of Care for Glucocorticoid-induced Osteoporosis: Defending Good Against Perfect
Notice bibliographique
Résumé
In an era of increasing preventive care complexity coupled with progressively shorter doctor visits, asymptomatic conditions such as osteoporosis (OP) can easily be neglected. Despite a reported reduction in fracture burden in the United States and Canada1,2, OP continues to be a condition that is both underdiagnosed and undertreated. In the United States, the Healthcare Effectiveness Data and Information Set statistics from the National Committee on Quality Assurance estimates that less than 25% of persons who incur fracture receive a bone-specific medication; a proportion that has remained essentially stagnant over the past 10 years. These US findings are quite similar to the low rates of OP treatment in Canada, as highlighted in the paper in this issue of The Journal by Majumdar and colleagues3. Glucocorticoids constitute the most commonly administered drugs that are associated with bone loss and higher fracture risk. Despite a clear time- and dose-dependent association of glucocorticoids with fracture risk4,5 and international guidelines that support a variety of pharmacotherapies for both primary and secondary prevention6,7,8,9, the prevention and treatment statistics are also rather dismal for glucocorticoid-induced OP (GIOP). Curtis and colleagues observed temporal improvement in the rates of treatment with nonestrogen bone-acting agents among chronic glucocorticoid users of an Aetna managed-care plan over a 5- to 6-year period10. However, even among postmenopausal women, the group at highest fracture risk, less than two-thirds were being treated in the early 2000s. Majumdar and colleagues, using much newer data from Canada, reported that only 25% of over 15,000 older adults receiving supraphysiologic prednisone were managed in accord with the latest guidelines. Thus, an underuse gap persists for GIOP prevention and treatment. Underuse of many evidence-based therapeutics for chronic conditions such as … Address correspondence to Dr. Saag, 1720 2nd Avenue South, Birmingham, AL 35294, USA. E-mail: Ksaag{at}uab.edu
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 | 0,432 | 0,536 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,013 | 0,005 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,019 | 0,077 |
| Communication savante | 0,056 | 0,072 |
| Science ouverte | 0,023 | 0,063 |
| Intégrité de la recherche | 0,031 | 0,077 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».