Bone mineral density testing after fragility fracture
Notice bibliographique
Résumé
Objective To determine the proportion of patients with fragility fractures who can be expected to have low bone mineral density (BMD) at the time of fracture and to assist FPs in deciding whether to refer patients for BMD testing. Data sources MEDLINE, EMBASE, and CINAHL were searched from the earliest available dates through September 2009. Study selection English-language articles reporting BMD test results of patients with fragility fractures who were managed in an orthopedic environment (eg, fracture clinic, emergency management by orthopedic surgeons, inpatients) were eligible for review. While the orthopedic environment has been identified as an ideal point for case finding, FPs are often responsible for investigation and treatment. Factors that potentially influenced BMD test results (eg, selection of fracture types, exclusion criteria) were identified. Studies with 2 or more selection factors of potential influence were flagged, and rates of low BMD were calculated including and excluding these studies. Synthesis The distribution of the proportion of persons with low BMD was summarized across studies using descriptive statistics. We calculated lower boundaries on this distribution, using standard statistical thresholds, to determine a lower threshold of the expected rate of low BMD. Conclusion Family physicians evaluating patients with fragility fractures can expect that at least two-thirds of patients with fragility fractures who are older than 50 years of age will have low BMD (T score ≤ −1.0). With this a priori expectation, FPs might more readily conduct a fracture risk assessment and pursue warranted fracture risk reduction strategies following fragility fracture.
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 | 0,003 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».