Barriers to the identification of fragility fractures for secondary fracture prevention in an orthopaedic clinic-based fracture liaison service: a prospective cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: The goal of this study was to determine the identification and participation rates of fragility fracture patients in a Fracture Liaison Service (FLS). We also identified factors affecting performance in patient identification. Methods: Surgeons, staff, and FLS nurses of an outpatient orthopaedic clinic from a hospital (Montreal, Canada) identified patients 50 yr of age or older with a fragility fracture eligible to join an FLS from January 2014 to March 2015. The list of orthopaedic referrals for the same period was retrieved and compared to our list of patients in the FLS to determine the participation rate. An in-house questionnaire was dispensed to volunteer staff to identify gaps in fragility fracture identification. Results: We identified 1011 patients with fractures from the orthopaedic referral list. Two hundred forty-nine patients (24.6%) were not identified because of nonreferral by surgeons or staff. Of the 762 remaining patients, 288 were excluded for high-energy trauma (n = 126), fracture of the face, skull, foot, or hand (n = 87), and other reasons (n = 75). Out of 474 patients with fragility fracture, 295 (62.2%) joined the FLS (178 refusals (37.6%). FLS managers only accessed 46.9% (474/1011) of eligible patients. The highest difficulty reported by the staff was about the time allocated to patient identification considering their workload. Conclusions: Major barriers to diagnosis and treatment of underlying osteoporosis in fragility fractures are nonreferral from orthopaedic surgeons or staff, and patient refusal. Challenges reside in implementing an institutional policy for optimal screening, better surgeon, staff, and patient education combined with improved systematic clinical management programs.
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.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle