Performance of FRAX in Women with Breast Cancer Initiating Aromatase Inhibitor Therapy: A Registry-Based Cohort Study
Notice bibliographique
Résumé
FRAX was developed to predict 10-year probability of major osteoporotic fracture (MOF) and hip fracture in the general population. Aromatase inhibitors (AI) used in breast cancer induce loss in bone mineral density (BMD) and are reported to increase fracture risk. AI exposure is not a direct input to FRAX but is captured under "secondary osteoporosis". To inform use of FRAX in women treated with AI, we used a population-based registry for the Province of Manitoba, Canada, to identify women aged ≥40 years initiating AI for breast cancer with at least 12 months' AI exposure (n = 1775), women with breast cancer not receiving AI (n = 1016), and women from the general population (n = 34,205). Among AI users, fracture probability estimated without BMD (AI use coded as secondary osteoporosis) significantly overestimated risk (10-year observed/predicted ratio 0.56, 95% confidence interval [CI] 0.45-0.68; 10-year hip fracture observed/predicted ratio 0.33, 95% CI 0.18-0.49). However, when BMD was included in the fracture probability, there was no significant difference between observed and predicted fracture risk. In Cox proportional hazards models, FRAX stratified risk of MOF, hip, and any fracture equally well in all subgroups (p-interaction >0.1). When adjusted for FRAX score without BMD, with AI use coded as secondary osteoporosis, AI users were at significantly lower risk for MOF (hazard ratio [HR] = 0.78, 95% CI 0.64-0.95), hip fracture (HR = 0.46, 95% CI 0.29-0.73) and any fracture (HR = 0.75, 95% CI 0.63-0.89). AI use was no longer significantly associated with fractures when AI use was not entered as secondary osteoporosis in FRAX without BMD or when BMD was included in the FRAX calculation. In conclusion, FRAX scores stratify fracture risk equally well in women receiving AI therapy as in non-users, but including secondary osteoporosis as a risk factor for AI users overestimates fracture risk. Our results call this practice into question. © 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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».