MétaCan
Menu
Retour à la cohorte
Enregistrement W2883998785 · doi:10.1002/jbmr.3556

Measures of Physical Performance and Muscle Strength as Predictors of Fracture Risk Independent of FRAX, Falls, and aBMD: A Meta-Analysis of the Osteoporotic Fractures in Men (MrOS) Study

2018· review· en· W2883998785 sur OpenAlexaff
Nicholas C. Harvey, Anders Odén, Eric Orwoll, Jodi Lapidus, Timothy Kwok, Magnus K. Karlsson, Björn E. Rosengren, Eva Ribom, Cyrus Cooper, Peggy M. Cawthon, John А. Kanis, Claes Ohlsson, Dan Mellström, Helena Johansson, Eugène McCloskey

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2018
Typereview
Langueen
DomaineHealth Professions
ThématiqueBalance, Gait, and Falls Prevention
Établissements canadiensInstitute of Aging
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute on AgingMedical Research CouncilVetenskapsrådetNational Institutes of HealthVersus ArthritisNovo Nordisk FondenNational Institute for Health and Care Research
Mots-clésMedicineFRAXFemoral neckHip fractureOsteoporosisHazard ratioGrip strengthPoisson regressionPhysical therapyInternal medicineBone mineralOsteoporotic fractureConfidence intervalPopulation

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Measures of muscle mass, strength, and function predict risk of incident fractures, but it is not known whether this risk information is additive to that from FRAX (fracture risk assessment tool) probability. In the Osteoporotic Fractures in Men (MrOS) Study cohorts (Sweden, Hong Kong, United States), we investigated whether measures of physical performance/appendicular lean mass (ALM) by DXA predicted incident fractures in older men, independently of FRAX probability. Baseline information included falls history, clinical risk factors for falls and fractures, femoral neck aBMD, and calculated FRAX probabilities. An extension of Poisson regression was used to investigate the relationship between time for five chair stands, walking speed over a 6 m distance, grip strength, ALM adjusted for body size (ALM/height2), FRAX probability (major osteoporotic fracture [MOF]) with or without femoral neck aBMD, available in a subset of n = 7531), and incident MOF (hip, clinical vertebral, wrist, or proximal humerus). Associations were adjusted for age and time since baseline, and are reported as hazard ratios (HRs) for first incident fracture per SD increment in predictor using meta-analysis. 5660 men in the United States (mean age 73.5 years), 2764 men in Sweden (75.4 years), and 1987 men in Hong Kong (72.4 years) were studied. Mean follow-up time was 8.7 to 10.9 years. Greater time for five chair stands was associated with greater risk of MOF (HR 1.26; 95% CI, 1.19 to 1.34), whereas greater walking speed (HR 0.85; 95% CI, 0.79 to 0.90), grip strength (HR 0.77; 95% CI, 0.72 to 0.82), and ALM/height2 (HR 0.85; 95% CI, 0.80 to 0.90) were associated with lower risk of incident MOF. Associations remained largely similar after adjustment for FRAX, but associations between ALM/height2 and MOF were weakened (HR 0.92; 95% CI, 0.85 to 0.99). Inclusion of femoral neck aBMD markedly attenuated the association between ALM/height2 and MOF (HR 1.02; 95% CI, 0.96 to 1.10). Measures of physical performance predicted incident fractures independently of FRAX probability. Whilst the predictive value of ALM/height2 was substantially reduced by inclusion of aBMD requires further study, these findings support the consideration of physical performance in fracture risk assessment. © 2018 The Authors. Journal of Bone and Mineral Research Published by Wiley Periodicals Inc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,506
Score d'incertitude au seuil0,850

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,462
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations113
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetBalance, Gait, and Falls PreventionTravaux en français237 207