A Risk Assessment Tool for Predicting Fragility Fractures and Mortality in the Elderly
Notice bibliographique
Résumé
Existing fracture risk assessment tools are not designed to predict fracture-associated consequences, possibly contributing to the current undermanagement of fragility fractures worldwide. We aimed to develop a risk assessment tool for predicting the conceptual risk of fragility fractures and its consequences. The study involved 8965 people aged ≥60 years from the Dubbo Osteoporosis Epidemiology Study and the Canadian Multicentre Osteoporosis Study. Incident fracture was identified from X-ray reports and questionnaires, and death was ascertained though contact with a family member or obituary review. We used a multistate model to quantify the effects of the predictors on the transition risks to an initial and subsequent incident fracture and mortality, accounting for their complex interrelationships, confounding effects, and death as a competing risk. There were 2364 initial fractures, 755 subsequent fractures, and 3300 deaths during a median follow-up of 13 years (interquartile range [IQR] 7-15). The prediction model included sex, age, bone mineral density, history of falls within 12 previous months, prior fracture after the age of 50 years, cardiovascular diseases, diabetes mellitus, chronic pulmonary diseases, hypertension, and cancer. The model accurately predicted fragility fractures up to 11 years of follow-up and post-fracture mortality up to 9 years, ranging from 7 years after hip fractures to 15 years after non-hip fractures. For example, a 70-year-old woman with a T-score of -1.5 and without other risk factors would have 10% chance of sustaining a fracture and an 8% risk of dying in 5 years. However, after an initial fracture, her risk of sustaining another fracture or dying doubles to 33%, ranging from 26% after a distal to 42% post hip fracture. A robust statistical technique was used to develop a prediction model for individualization of progression to fracture and its consequences, facilitating informed decision making about risk and thus treatment for individuals with different risk profiles. © 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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».