Benefits of fracture liaison services (FLS) in four Latin American countries: Brazil, Mexico, Colombia, and Argentina
Notice bibliographique
Résumé
AIMS: Fracture liaison services (FLS) use a multidisciplinary approach to treat patients who have experienced an osteoporotic fracture to reduce the risk of subsequent fractures. To date, there has been minimal FLS implementation in Latin America where fractures continue to be undertreated. This study aims to estimate the number of fractures averted, bed days avoided, and costs saved resulting from universal FLS implementation in Brazil, Mexico, Colombia, and Argentina. MATERIALS AND METHODS: A calculator was developed to estimate the annual benefits of FLS programs in Brazil, Mexico, Colombia, and Argentina from a public hospital perspective. It was assumed all patients with a hip, vertebral, or wrist fracture were referred to an FLS program. Country-specific data were obtained from a previous systematic review and interviews with osteoporosis experts. Hospitalization and post-hospitalization costs were expressed in 2019 USD without discounting. Costs of FLS implementation were not considered. RESULTS: In 2019, the number of FLS patients prevented from having a subsequent hip, vertebral, or wrist fracture was estimated as 15,607 in Brazil, 8,168 in Mexico, 5,190 in Argentina, and 2,435 in Colombia with total bed days saved of 142,378 in Brazil, 75,877 in Mexico, 52,301 in Argentina, and 21,725 in Colombia. The annual cost savings in 2019 were highest in Argentina (28.1 million USD), followed by Mexico (19.6 million USD), Brazil (7.64 million USD) and Colombia (3.04 million USD). Over five years (2019-2023) the cumulative cost savings were 145 million USD in Argentina, 106 million USD in Mexico, 40.5 million USD in Brazil, and 16.1 million USD in Colombia. CONCLUSION: Universal FLS implementation in Brazil, Mexico, Colombia, and Argentina was predicted to prevent 31,400 fractures, avoid 292,281 bed days, and save 58.4 million USD in 2019, though caution is warranted in the interpretation of these results due to high uncertainty. Increased implementation of FLS programs in Latin American countries may help to realize these benefits.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 ».