Vertebral Fractures in Individuals With Type 2 Diabetes: More Than Skeletal Complications Alone
Notice bibliographique
Résumé
OBJECTIVE: We aimed to assess whether individuals with type 2 diabetes (T2D) have increased risk of vertebral fractures (VFs) and to estimate nonvertebral fracture and mortality risk among individuals with both prevalent T2D and VFs. RESEARCH DESIGN AND METHODS: A systematic PubMed search was performed to identify studies that investigated the relationship between T2D and VFs. Cohorts providing individual participant data (IPD) were also included. Estimates from published summary data and IPD cohorts were pooled in a random-effects meta-analysis. Multivariate Cox regression models were used to estimate nonvertebral fracture and mortality risk among individuals with T2D and VFs. RESULTS: = 19,820), risk of nonvertebral fractures was higher in those with both T2D and VFs compared with those without T2D or VFs (hazard ratio [HR] 2.42 [95% CI 1.86-3.15]) or with VFs (HR 1.73 [95% CI 1.32-2.27]) or T2D (HR 1.94 [95% CI 1.46-2.59]) alone. Individuals with both T2D and VFs had increased mortality compared with individuals without T2D and VFs (HR 2.11 [95% CI 1.72-2.59]) or with VFs alone (HR 1.84 [95% CI 1.49-2.28]) and borderline increased compared with individuals with T2D alone (HR 1.23 [95% CI 0.99-1.52]). CONCLUSIONS: Based on our findings, individuals with T2D should be systematically assessed for presence of VFs, and, as in individuals without T2D, their presence constitutes an indication to start osteoporosis treatment for the prevention of future fractures.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 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 | 0,000 |
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 ».