Does Fracture Liaison Service Improves Fracture Risk Assessment among Patients with Fragility Fractures? A Systematic Review
Notice bibliographique
Résumé
Abstract Background: The fragility fractures can cause substantial pain, disability, reduced quality of life and mortality. The probability of sustaining subsequent fractures increases up to five times after an initial fragility fracture. The Fracture Liaison Service is a coordinated model of care that aims to bridge the post-fracture care gap by improving subsequent fracture risk assessment and post-fracture management. However, there are very few studies that included fracture risk assessment as a significant outcome of an FLS program. This systematic review aims to evaluate the available evidence on the effect of FLS in improving fracture risk assessment among fragility fracture patients Method: A systematic literature search will be carried out on the major electronic databases including PubMed, Embase, CINAHL Plus, and Cochrane to identify the outcomes of Fracture Liaison Service. The literature search will not be restricted to the context and year of publication. Two researchers will independently conduct the databases search. We will pilot the search strategy to ensure sufficient sensitivity and specificity. The JBI critical appraisal tools will be used to assess methodological quality of all the included studies. Discussion: This review will highlight an urgent need for more studies from different geographical areas to determine best practices for implementing fracture risk assessment globally and guiding clinical decision making for osteoporosis management. The findings of this systematic review will highlight the importance of including fracture risk assessment as a significant parameter to evaluate FLS programs implemented across the globe. Conclusion: This systematic review will provide more information about fracture risk assessments and its reporting. It will also highlight the variations in the methods of performing a fracture risk assessment with and without BMD testing and the impact of the FLS program in improving fracture risk assessment.
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 | 0,009 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».