MétaCan
Menu
Retour à la cohorte
Enregistrement W3185442394 · doi:10.21203/rs.2.20050/v1

Sociodemographic, health and fracture profiles of a 4-year cohort of 266,324 first incident upper extremity fractures in Ontario.

2020· preprint· en· W3185442394 sur OpenAlexafffundabout
Joy C. MacDermid, J. Andrew McClure, Lucie Richard, Susan Jaglal, Kenneth J. Faber

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueBone fractures and treatments
Établissements canadiensUniversity of TorontoWestern University
Organismes subventionnairesLawson Health Research InstituteCanadian Institutes of Health ResearchSchulich School of Medicine and Dentistry, Western UniversityOntario Ministry of Health and Long-Term CareSchulich School of Medicine and DentistryAcademic Medical Organization of Southwestern Ontario
Mots-clésCohortMedicineFracture (geology)DemographyPhysical therapyInternal medicineGeologyGeotechnical engineeringSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Background The purpose of this study was to describe 1st incident fractures of the upper extremity in terms of fracture characteristics, demographics, social deprivation and comorbid health profiles. Methods:Cases with a 1st adult upper extremity fracture from the years 2013 to 2017 were extracted from administrative data in Ontario, (population 14.3M). Fracture locations (ICD-10 codes) and associated characteristics (open/closed, associated hospitalization within 1-day, associated nerve or tendon injury) were described by fracture type, age category and sex. Fracture comorbidity characteristics were described in terms of the prevalence of diabetes, rheumatoid arthritis; and the Charlson Comorbidity Index. Social marginalization was expressed using the Ontario Marginalization Index (ON-Marg) for material deprivation, dependency, residential instability, ethnic concentration. ResultsFrom 266,324 first incident UE fractures occurring over 4 years, 51.5% were in women and 48.5% were in men. This masked large differences in age-sex profiles. Most commonly affected were the hand (93K), wrist/forearm(80K), shoulder (48K) or elbow (35K). The highest number of fractures: distal radius (DRF, 47.4K), metacarpal (30.4K), phalangeal (29.9K), distal phalangeal (24.4K), proximal humerus (PHF, 21.7K), clavicle (15.1K), radial head (13.9K), and scaphoid fractures (13.2K). The most prevalent multiple fractures included: multiple radius and ulna fractures (11.8K), fractures occurring in multiple regions of the upper extremity (8.7K), or multiple regions in the forearm (8.4K). Fractures most common in 18 – 40-year-old men included metacarpal and finger fractures. A large increase in fractures in women over the age of 50 occurred for: DRF, PHF and radial head. Tendon (0.6% overall; 8.2% in multiple finger fractures) or nerve injuries (0.3% overall, 1.5% in distal humerus) were rarely reported. Fractures were open in 4.7%, highest for distal phalanx (23%). Diabetes occurred in 15.3%, highest in PHF (29.7%). Rheumatoid arthritis occurred more commonly in women (2.8% vs 0.8% men). The Charlson Index indicated low comorbidity (mean=0.2; median=0: 2.4% 3+), highest in PHF (median=0; 6.6% 3+). Higher fracture burden was related to instability (excess of fractures in lower 2 quartiles 4.8%), although social indices varied by fracture type. ConclusionsFracture specific prevention strategies should consider fracture-specific age-sex interactions, health, behavioural and social risks

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,248

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,272 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetBone fractures and treatmentsTravaux en français237 207