Hip Fractures in Older Adults in Ontario, Canada—Monthly Variation, Insights, and Implications
Notice bibliographique
Résumé
BACKGROUND: In older adults, hip fractures have been described to peak in cooler months. Seasonal differences in patient vulnerability to fracture and social/behavioural factors might contribute to these trends. METHODS: Using linked health-care databases in Ontario Canada, we examined monthly variation in hip fracture hospitalizations in those > 65 years (2011-2015). We stratified results by age category (66-79, ≥80 years). We then examined for variation in the demographic and comorbidity profiles of patients across the months, and as an index of contributing social/behavioural factors, noted variation in health-care behaviours. RESULTS: There were 47,971 and 52,088 hospitalizations for hip fracture in those 66-79, and ≥80 years, respectively. There was strong seasonality in fractures in both groups. Peaks occurred in October and December when patients appeared most vulnerable. Rates fell in the summer in those 66-79 years, and in the late winter in those ≥80 years (when health-care utilization also declined). A smaller peak in fractures occurred in May in both groups. CONCLUSIONS: Hip fractures peak in the autumn, early winter, and spring in Canada. A dip in fractures occurs in the late winter in the oldest old. Environmental factors might play a role, but seasonal vulnerability to fracture and winter isolation might also be influential.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».