Prediction of Osteoporotic Fractures in Elderly Individuals: A Derivation and Internal Validation Study Using Healthcare Administrative Data
Notice bibliographique
Résumé
In Canada and other countries, osteoporosis is monitored as part of chronic disease population surveillance programs. Although fractures are the principal manifestation of osteoporosis, very few algorithms are available to identify individuals at high risk of osteoporotic fractures in current surveillance systems. The objective of this study was to derive and validate predictive models to accurately identify individuals at high risk of osteoporotic fracture using information available in healthcare administrative data. More than 270,000 men and women aged ≥66 years were randomly selected from the Quebec Integrated Chronic Disease Surveillance System. Selected individuals were followed between fiscal years 2006-2007 and 2015-2016. Models were constructed for prediction of hip/femur and major osteoporotic fractures for follow-up periods of 5 and 10 years. A total of 62 potential predictors measurable in healthcare administrative databases were identified. Predictor selection was performed using a manual backward algorithm. The predictive performance of the final models was assessed using measures of discrimination, calibration, and overall performance. Between 20 and 25 predictors were retained in the final prediction models (eg, age, sex, social deprivation index, most of the major and minor risk factors for osteoporosis, diabetes, Parkinson's disease, cognitive impairment, anemia, anxio-depressive disorders). Discrimination of the final models was higher for the prediction of hip/femur fracture than major osteoporotic fracture and higher for prediction for a 5-year than a 10-year period (hip/femur fracture for 5 years: c-index = 0.77; major osteoporotic fracture for 5 years: c-index = 0.71; hip/femur fracture for 10 years: c-index = 0.73; major osteoporotic fracture for 10 years: c-index = 0.68). The predicted probabilities globally agreed with the observed probabilities. In conclusion, the derived models had adequate predictive performance in internal validation. As a final step, these models should be validated in an external cohort and used to develop indicators for surveillance of osteoporosis. © 2021 American Society for Bone and Mineral Research (ASBMR).
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 | 0,039 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».