Global epidemiology of hip fractures: a study protocol using a common analytical platform among multiple countries
Notice bibliographique
Résumé
INTRODUCTION: Hip fractures are associated with a high burden of morbidity and mortality. Globally, there is wide variation in the incidence of hip fracture in people aged 50 years and older. Longitudinal and cross-geographical comparisons of health data can provide insights on aetiology, risk factors, and healthcare practices. However, systematic reviews of studies that use different methods and study periods do not permit direct comparison across geographical regions. Thus, the objective of this study is to investigate global secular trends in hip fracture incidence, mortality and use of postfracture pharmacological treatment across Asia, Oceania, North and South America, and Western and Northern Europe using a unified methodology applied to health records. METHODS AND ANALYSIS: This retrospective cohort study will use a common protocol and an analytical common data model approach to examine incidence of hip fracture across population-based databases in different geographical regions and healthcare settings. The study period will be from 2005 to 2018 subject to data availability in study sites. Patients aged 50 years and older and hospitalised due to hip fracture during the study period will be included. The primary outcome will be expressed as the annual incidence of hip fracture. Secondary outcomes will be the pharmacological treatment rate and mortality within 12 months following initial hip fracture by year. For the primary outcome, crude and standardised incidence of hip fracture will be reported. Linear regression will be used to test for time trends in the annual incidence. For secondary outcomes, the crude mortality and standardised mortality incidence will be reported. ETHICS AND DISSEMINATION: Each participating site will follow the relevant local ethics and regulatory frameworks for study approval. The results of the study will be submitted for peer-reviewed scientific publications and presented at scientific conferences.
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 | 0,087 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,008 |
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 ».