The clinical application of high-resolution peripheral computed tomography (HR-pQCT) in adults: state of the art and future directions
Notice bibliographique
Résumé
High-resolution peripheral computed tomography (HR-pQCT) was developed to image bone microarchitecture in vivo at peripheral skeletal sites. Since the introduction of HR-pQCT in 2005, clinical research to gain insight into pathophysiology of skeletal fragility and to improve prediction of fractures has grown. Meanwhile, the second-generation HR-pQCT device has been introduced, allowing novel applications such as hand joint imaging, assessment of subchondral bone and cartilage thickness in the knee, and distal radius fracture healing. This article provides an overview of the current clinical applications and guidance on interpretation of results, as well as future directions. Specifically, we provide an overview of (1) the differences and reference data for HR-pQCT variables by age, sex, and race/ethnicity; (2) fracture risk prediction using HR-pQCT; (3) the ability to monitor response of anti-osteoporosis therapy with HR-pQCT; (4) the use of HR-pQCT in patients with metabolic bone disorders and diseases leading to secondary osteoporosis; and (5) novel applications of HR-pQCT imaging. Finally, we summarize the status of the application of HR-pQCT in clinical practice and discuss future directions. From the clinical perspective, there are both challenges and opportunities for more widespread use of HR-pQCT. Assessment of bone microarchitecture by HR-pQCT improves fracture prediction in mostly normal or osteopenic elderly subjects beyond DXA of the hip, but the added value is marginal. The prospects of HR-pQCT in clinical practice need further study with respect to medication effects, metabolic bone disorders, rare bone diseases, and other applications such as hand joint imaging and fracture healing. The mostly unexplored potential may be the differentiation of patients with only moderately low BMD but severe microstructural deterioration, which would have important implications for the decision on therapeutical interventions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».