MétaCan
Menu
Retour à la cohorte
Enregistrement W2885709578 · doi:10.1007/s00198-018-4650-2

Diagnosis and management of bone fragility in diabetes: an emerging challenge

2018· review· en· W2885709578 sur OpenAlexaff
Serge Ferrari, Bo Abrahamsen, Nicola Napoli, Kristina Åkesson, Manju Chandran, Richard Eastell, Ghada El‐Hajj Fuleihan, R G Josse, Atsushi Suzuki, Dominique D. Pierroz, Ann V. Schwartz, M. Ardawi, Cyrus Cooper, Ambrish Mithal

Notice bibliographique

RevueOsteoporosis International · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensUniversity of ManitobaUniversity of British ColumbiaUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesInternational Osteoporosis FoundationMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMedicineFRAXOsteoporosisFragilityDiabetes mellitusGlycemicBone mineralInternal medicineType 2 diabetesRheumatologyIntensive care medicineFragility fractureDiseaseSurgeryEndocrinologyOsteoporotic fracture

Résumé

récupéré en direct d'OpenAlex

Fragility fractures are increasingly recognized as a complication of both type 1 and type 2 diabetes, with fracture risk that increases with disease duration and poor glycemic control. Yet the identification and management of fracture risk in these patients remains challenging. This review explores the clinical characteristics of bone fragility in adults with diabetes and highlights recent studies that have evaluated bone mineral density (BMD), bone microstructure and material properties, biochemical markers, and fracture prediction algorithms (i.e., FRAX) in these patients. It further reviews the impact of diabetes drugs on bone as well as the efficacy of osteoporosis treatments in this population. We finally propose an algorithm for the identification and management of diabetic patients at increased fracture risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,420
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations390
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOsteoporosis InternationalMême sujetBone health and osteoporosis researchTravaux en français237 207