ASSESSING FUNCTIONAL FRACTURE RISK: AN INDEPENDENT PREDICTOR OF INCIDENT FRACTURES AT SKELETAL SITE?
Notice bibliographique
Résumé
The purpose of this study was to determine if ‘unsafe’ functional movements as measured by short forms of the Safe Functional Motion test (SFM-6 and SFM-3) predict incident fragility fracture at any skeletal site. An osteoporosis clinic database was queried for adults with baseline SFM scores and corresponding data for prevalent fracture, history of injurious falls, femoral neck bone mineral density (fnBMD), bone-sparing medication use, and incident fracture at 1yr, and 3yr follow-up (n= 1700) Multiple logistic regressions, adjusted for gender, age, history of injurious fall(s), fnBMD, bone-sparing medication use, and any prevalent fracture at baseline to determine whether baseline SFM-6 and SFM-3 scores were associated with fragility fracture at any skeletal site at follow-up. According to the analyses, the SFM-6 score was a significant independent predictor of fracture at any site at 1y (p=0.014), and 3y follow-up (adjusted odds ratio (95%CI) = 1.26 (1.140, 1.396) for each 10 point decrease; p < 0.0001). Similarly, SFM-3 score was also a significant independent predictor of any fracture at 1y (p0.0.01), and 3y follow-up (adjusted odds ratio (95%CI) = 1.183 (1.098, 1.274) for each 10 point decrease; p < 0.0001). For all analyses, no other variables were significant predictors at 1yr. Age and fnBMD also were significant at the 3y follow-up. ‘Unsafe’ movement strategies, as measured using the SFM-3 or SFM-6, increase fracture risk by 18–25% for each 10 point drop in score independent of altered risk associated with age, and bone mineral density
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».