Osteoporotic fractures and obesity affect frailty progression: a longitudinal analysis of the Canadian multicentre osteoporosis study
Notice bibliographique
Résumé
Despite knowing better how to screen older adults, understanding how frailty progression might be modified is unclear. We explored effects of modifiable and non-modifiable factors on changes in frailty in community-dwelling adults aged 50+ years who participated in the Canadian Multicentre Osteoporosis Study (CaMos). Rates of change in frailty over 10 years were examined using the 30-item CaMos Frailty Index (CFI). Incident and prevalent low-trauma fractures were categorized by fracture site into hip, clinical vertebral and non-hip-non-vertebral fractures. Multivariable generalized estimating equation models accounted for the time of frailty assessment (baseline, 5 and 10 years), sex, age, body mass index (BMI, kg/m 2 ), physical activity, bone mineral density, antiresorptive therapy, health-related quality of life (HRQL), cognitive status, and other factors for frailty or fractures. Multiple imputation and scenario analyses addressed bias due to attrition or missing data. The cohort included 5566 women (mean ± standard deviation: 66.8 ± 9.3 years) and 2187 men (66.3 ± 9.5 years) with the mean baseline CFI scores of 0.15 ± 0.11 and 0.12 ± 0.10, respectively. Incident fractures and obesity most strongly predicted frailty progression in multivariable analyses. The impact of fractures differed between the sexes. With each incident hip fracture, the adjusted mean CFI accelerated per 5 years by 0.07 in women (95% confidence interval [CI]: 0.03 to 0.11) and by 0.12 in men (95% CI: 0.08 to 0.16). An incident vertebral fracture increased frailty in women (0.05, 95% CI: 0.02 to 0.08) but not in men (0.01, 95% CI: -0.07 to 0.09). Irrespective of sex and prevalent fractures, baseline obesity was associated with faster frailty progression: a 5-year increase in the adjusted mean CFI ranged from 0.01 in overweight (BMI: 25.0 to 29.9 kg/m 2 ) to 0.10 in obese individuals (BMI: ≥ 40 kg/m 2 ). Greater physical activity and better HRQL decreased frailty over time. The results remained robust in scenario analyses. Older women and men with new vertebral fractures, hip fractures or obesity represent high-risk groups that should be considered for frailty interventions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».