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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».