MétaCan
Menu
Retour à la cohorte
Enregistrement W3004749891 · doi:10.1002/jbmr.3977

Comparison of Fracture Prediction Tools in Individuals Without and With Early Chronic Kidney Disease: A Population-Based Analysis of CARTaGENE

2020· article· en· W3004749891 sur OpenAlexafffund
Louis‐Charles Desbiens, Aboubacar Sidibé, Claudia Beaudoin, Sonia Jean, Fabrice Mac‐Way

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensInstitut National de Santé Publique du QuébecUniversité LavalHôtel-Dieu de Québec
Organismes subventionnairesFonds de Recherche du Québec - SantéKidney Foundation of CanadaCanadian Institutes of Health ResearchCanadian Society of NephrologyUniversité Laval
Mots-clésKidney diseaseMedicineDiseasePopulationInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Whether fracture prediction tools developed for the management of osteoporosis can be used in chronic kidney disease (CKD) is poorly known. We aimed to compare the performance of fracture prediction tools in non-CKD and CKD. We analyzed CARTaGENE, a population-based survey of 40-year-old to 69-year-old individuals recruited between 2009 and 2010. Renal function was assessed using baseline creatinine and categorized according to Kidney Disease Improving Global Outcomes (KDIGO) guidelines (non-CKD, stage 2, stage 3). Individuals without creatinine measurements or with advanced CKD (stage 4 or 5; prevalence <0.25%) were excluded. Predicted 5-year fracture probabilities (using Fracture Risk Assessment Tool [FRAX], QFracture, and Garvan) were computed at baseline. Fracture incidence (major fracture [MOF] or any fracture) was evaluated in administrative databases from recruitment to March 2016. Discrimination (hazard ratios [HRs] per standard deviation [SD] increase in Cox models; c-statistics) and calibration (standardized incidence ratios [SIRs] before and after recalibration) were assessed in each CKD strata. We included 19,393 individuals (9522 non-CKD; 9114 stage 2; 757 stage 3). A total of 830 patients had any fracture during follow-up, including 352 MOF. FRAX (HR = 1.89 [1.63-2.20] non-CKD; 1.64 [1.41-1.91] stage 2; 1.76 [1.10-2.82] stage 3) and QFracture (HR = 1.90 [1.62-2.22] non-CKD; 1.57 [1.35-1.82] stage 2; 1.86 [1.19-2.91] stage 3) discriminated MOF similarly in non-CKD and CKD. In contrast, the discrimination of Garvan for any fracture tended to be lower in CKD stage 3 compared to non-CKD and CKD stage 2 (HR = 1.36 [1.22-1.52] non-CKD; 1.34 [1.20-1.50] stage 2; 1.11 [0.79-1.55] stage 3). Before recalibration, FRAX globally overestimated fracture risk while QFracture and Garvan globally underestimated fracture risk. After recalibration, FRAX and QFracture were adequately calibrated for MOF in all CKD strata whereas Garvan tended to underestimate any fracture risk in CKD stage 3 (SIR = 1.31 [0.95-1.81]). In conclusion, the discrimination and calibration of FRAX and QFracture is similar in non-CKD and CKD. Garvan may have a lower discrimination in CKD stage 3 and underestimate fracture risk in these patients. © 2020 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,419
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetBone health and osteoporosis researchTravaux en français237 207