Association of Bone Density Monitoring in Routine Clinical Practice With Anti-Osteoporosis Medication Use and Incident Fractures: A Matched Cohort Study
Notice bibliographique
Résumé
Routine bone mineral density (BMD) monitoring of individuals during the initial 5 years of anti-osteoporosis treatment is controversial. Using a registry-based cohort from the Province of Manitoba, Canada, we compared anti-osteoporosis medication use and fracture outcomes in women with versus without BMD monitoring receiving anti-osteoporosis medication. We identified 4559 women aged 40 years and older receiving anti-osteoporosis therapy with serial BMD testing (monitoring) within 5 years (mean interval 3.2 years) and 4559 propensity score-matched women without BMD monitoring. We assessed anti-osteoporosis medication use over 5 years from a population-based retail pharmacy database. Incident fractures to 10 years from health services data. During median 10 years observation, 1225 (13.4%) women developed major osteoporotic fracture, including 382 (4.2%) with hip fractures. Monitored women had significantly better fracture-free survival for major osteoporotic fracture (p = 0.040; 10-year cumulative risk 1.9% lower, 95% confidence interval [CI] 0.3-3.6%) and hip fracture ( p = 0.001; 10-year cumulative risk 1.8% lower, 95% CI 0.7-2.8%) compared with women who were not monitored. Hazard ratios (HRs) were significantly lower in monitored versus not monitored women for major osteoporotic fracture (HR = 0.89, 95% CI 0.80-0.98) and hip fracture (HR = 0.74, 95% CI 0.63-0.87). Days of medication use, medication persistence ratio, and treatment switching over 5 years were greater in monitored versus not monitored women. At the end of 5 years, more women in the monitored group persisted on treatment and more switched treatment, with switching behavior associated with an observed interval reduction in BMD. In conclusion, our findings suggest a possible role for BMD monitoring after initiating anti-osteoporosis therapy in the routine clinical practice setting. © 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».