Accuracy of FRAX® in People With Multiple Sclerosis
Notice bibliographique
Résumé
) has been reported to underestimate fracture risk in people with MS when BMD is unknown. We tested FRAX performance for people with MS when BMD is known, and determined if MS is a risk factor for fracture independent of FRAX score. Using population-based databases in Manitoba, Canada, we identified people with MS who underwent BMD screening after MS diagnosis (n = 744) and controls matched on age, sex, and first BMD screening date (n = 3721). We calculated FRAX 10-year probabilities at the BMD screening date, and ascertained incident major osteoporotic fractures (MOF). Using Cox proportional hazards modeling we assessed the effect of MS on the hazard of MOF, adjusting for FRAX 10-year probabilities. MS cases had a higher mean FRAX 10-year probability of MOF calculated with BMD (8.32 ± 7.53) than controls (6.98 ± 5.18; p < 0.01). MS increased the risk for MOF after controlling for FRAX 10-year probability without BMD (HR 1.67; 95% confidence interval [CI], 1.29 to 2.16), and after controlling for FRAX individual risk factors (HR 1.45; 95% CI, 1.12 to 1.89). MS remained a risk factor for MOF even when controlling for FRAX 10-year probability of MOF with BMD (HR 1.48; 95% CI, 1.14 to 1.92). The FRAX 10-year probability with and without BMD underestimated the observed 10-year MOF risk in MS cases by 3% to 5%. Calibration improved when secondary osteoporosis was used to calculate FRAX without BMD. Calibration was best when the rheumatoid arthritis input was used to calculate FRAX probability along with BMD. Using secondary osteoporosis or rheumatoid arthritis as proxies for MS improves performance of FRAX and accurately predicts MOF outcomes in those with MS. This provides clinicians with a readily available approach to improve the accuracy of fracture prediction in MS. © 2019 American Society for Bone and Mineral Research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».