Validation of a one year fracture prediction tool for absolute hip fracture risk in long term care residents
Notice bibliographique
Résumé
BACKGROUND: Frail older adults living in long term care (LTC) homes have a high fracture risk, which can result in reduced quality of life, pain and death. The Fracture Risk Scale (FRS) was designed for fracture risk assessment in LTC, to optimize targeting of services in those at highest risk. This study aims to examine the construct validity and discriminative properties of the FRS in three Canadian provinces at 1-year follow up. METHODS: LTC residents were included if they were: 1) Adults admitted to LTC homes in Ontario (ON), British Columbia (BC) and Manitoba (MB) Canada; and 2) Received a Resident Assessment Instrument Minimum Data Set Version 2.0. After admission to LTC, one-year hip fracture risk was evaluated for all the included residents using the FRS (an eight-level risk scale, level 8 represents the highest fracture risk). Multiple logistic regressions were used to determine the differences in incident hip or all clinical fractures across the provinces and FRS risk levels. We examined the differences in incident hip or all clinical fracture for each FRS level across the three provinces (adjusted for age, BMI, gender, fallers and previous fractures). We used the C-statistic to assess the discriminative properties of the FRS for each province. RESULTS: Descriptive statistics on the LTC populations in ON (n = 29,848), BC (n = 3129), and MB (n = 2293) are: mean (SD) age 82 (10), 83 (10), and 84 (9), gender (female %) 66, 64, and 70% respectively. The incident hip fractures and all clinical fractures for FRS risk level were similar among the three provinces and ranged from 0.5 to 19.2% and 1 to 19.2% respectively. The overall discriminative properties of the FRS were similar between ON (C-statistic = 0.673), BC (C-statistic = 0.644) and MB (C-statistic = 0.649) samples. CONCLUSION: FRS is a valid tool for identifying LTC residents at different risk levels for hip or all clinical fractures in three provinces. Having a fracture risk assessment tool that is tailored to the LTC context and embedded within the routine clinical assessment may have significant implications for policy, service delivery and care planning, and may improve care for LTC residents across Canada.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».