Why Does Rate of Bone Density Loss Not Predict Fracture Risk?
Notice bibliographique
Résumé
CONTEXT: Intuitively, rapid bone mineral density (BMD) loss should predict fracture risk independently of current BMD, but studies have not confirmed this. We hypothesized that measurement error when characterizing rates of BMD loss might explain this paradox. OBJECTIVE: To examine the importance of measurement error in predicting BMD loss. DESIGN AND SETTING: Retrospective registry study using BMD results for Manitoba, Canada. PATIENTS: Untreated women age 50 years and older with three femoral neck BMD tests. MAIN OUTCOME MEASURES: Correlation in annualized rates of BMD change for interval 1 (first to second scan) versus interval 2 (second to third scan) with confirmatory model-based simulations that varied measurement error and testing intervals. RESULTS: Five hundred forty two women with a mean age of 62 years had BMD measurements separated by a mean of 3.5 years for interval 1 and 3.4 years for interval 2. Mean femoral neck BMD loss was stable (-0.5% per year for interval 1, -0.6% per year for interval 2) with a weak negative correlation between intervals (r = -0.11, P = .01). There were no significant correlations for BMD change at the total hip (r = 0.01, P = .74) or total spine (r = -0.01, P = .77). Simulations showed low explained variation for BMD change between intervals 1 and 2 (<20%). To explain 50% of the variation of BMD change between intervals 1 and 2 required a BMD measurement error ≤ 0.008 g/cm(2) or a BMD testing interval ≥ 5 years. CONCLUSIONS: The low correlation between past and future BMD loss helps explain why the rate of BMD loss is unlikely to be helpful for refining 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.
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 | 0,042 | 0,216 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».