Establishing a hospital based fracture liaison service to prevent secondary insufficiency fractures
Notice bibliographique
Résumé
In the aging population worldwide, osteoporosis is a relatively common condition and a major cause of long-term morbidity. Initial fragility fractures can lead to subsequent fractures. After a vertebral fracture, the risk of any another fracture increases 200% and that of a subsequent hip fracture increases 300%. For starting a hospital based Fracture Liaison Service (FLS) program, the nucleus is based on a physician champion, a FLS coordinator, and a nurse manager. A Fracture Liaison Service (FLS) is a multidisciplinary system approach to reducing subsequent fracture risk in patients with a recent fragility fracture due to compromised bone health by identifying them at or close to the time when they are treated at the hospital for fracture and providing them with easy access to osteoporosis care. It has been shown that when compared to other models such as referral letters to primary care physicians or endocrinologists, the FLS model results in a higher rate of diagnosis and treatment with less attrition in the posffracture phase. Insufficiency fracture care requires more than surgery to stabilize a fractured bone. The FLS program provides an opportunity to treat osteoporosis from a public health perspective rather than leaving this to the whims of individual physicians. This is achieved by providing a seamless integration of care by health care providers, nursing staff and administration. The FLS can be adapted to any model of care including academic health systems. FLS provides a holistic approach to identify patients as well as to provide evidence-based interventions to prevent subsequent fractures. The long term goal is that internationally FLS will result in in decreased fracture-related morbidity, mortality and overall health care expenditure.
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 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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».