Vertebral Fractures: Which Radiological Criteria Are Better Associated With the Clinical Course of Osteoporosis?
Notice bibliographique
Résumé
Study Purpose: Morphometric methods categorize potential osteoporotic vertebral fractures (OVF) on the basis of loss of vertebral height. A particular example is the widely used semiquantitative morphometric tool proposed by Genant (GSQ). A newer morphologic algorithm-based qualitative (mABQ) tool focuses on vertebral end-plate damage in recognizing OVF. We used data from both sexes in the Canadian Multicentre Osteoporosis Study (CaMos) to compare the 2 methods in identifying OVF at baseline and during 10 years of follow-up. Materials and Methods: We obtained lateral thoracic and lumbar spinal radiographs (T4-L4) 3 times, at 5-year intervals, in 828 participants of the population-based CaMos. Logistic regressions were used to study the association of 10-year changes in bone mineral density (BMD) with incident fractures. Results: At baseline, 161 participants had grade 1 and 32 had grade 2 GSQ OVF; over the next 10 years, only 9 of these participants had sustained incident GSQ OVF. Contrastingly, 21 participants at baseline had grade 1 and 48 grade 2 mABQ events; over the next 10 years, 79 subjects experienced incident grade 1 or grade 2 mABQ events. Thus, incident grades 1 and 2 morphologic fractures were 8 times more common than morphometric deformities alone. Each 10-year decrease of 0.01 g/cm 2 in total hip BMD was associated with a 4.1% (95% CI: 0.7-7.3) higher odds of having an incident vertebral fracture. Conclusions: This analysis further suggests that morphometric deformities and morphologic fractures constitute distinct entities; morphologic fractures conform more closely to the expected epidemiology of OVF.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,002 |
| 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 ».