MétaCan
Menu
Retour à la cohorte
Enregistrement W3038799604 · doi:10.21037/qims-2020-21

Radiographic osteoporotic vertebral fractures in elderly men: a brief review focusing on differences between the sexes

2020· review· en· W3038799604 sur OpenAlexaff
Yi-Xiang Wang, Brian C. Lentle

Notice bibliographique

RevueQuantitative Imaging in Medicine and Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineOsteoporosisMenopauseRadiographyPhysical therapyBone mineralEpidemiologyInternal medicinePediatricsSurgery

Résumé

récupéré en direct d'OpenAlex

Bone loss occurs in both sexes as a result of ageing but is exacerbated in women by the hormonal changes associated with menopause. Unlike in women, secondary osteoporosis occurs in almost half of men diagnosed with osteoporosis. Moreover, vertebral fractures (VFs) seen in elderly men may more likely be the result of high energy trauma. The osteoporotic vertebral fracture (OVF) radiograph diagnosis criteria for women may not be directly applicable for men. Particular attention should be paid to the mid-thoracic level where over-diagnosis commonly occurs. For wedge-shaped vertebral deformities (VDs) or VDs with anterior height reduction only, a diagnosis of OVF requires great caution, as they are poorly correlated to bone mineral density (BMD). For age-matched subjects, it is likely that elderly men's prevalent radiographic OVFs are approximately half of the elderly women's. This male-female ratio is very similar to other clinical fractures such as those occurring at the hip. Even so, the clinical relevance of OVF in elderly men may be less than that of elderly women. On the other hand, for elderly men with hip BMD-based osteoporosis, the OVF risk is as high as that of osteoporotic women. Elderly Chinese men have a lower OVF prevalence than age-matched Caucasian men.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,125
Tête enseignante GPT0,429
Écart entre enseignants0,304 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuantitative Imaging in Medicine and SurgeryMême sujetBone health and osteoporosis researchTravaux en français237 207