Fracture definitions in observational osteoporosis drug effects studies that leverage healthcare administrative (claims) data: a scoping review
Notice bibliographique
Résumé
Healthcare administrative (claims) data are commonly utilized to estimate drug effects. We identified considerable heterogeneity in fracture outcome definitions in a scoping review of 57 studies that estimated osteoporosis drug effects on fracture risk. Better understanding of the impact of different fracture definitions on study results is needed. PURPOSE: Healthcare administrative (claims) data are frequently used to estimate the real-world effects of drugs. Fracture incidence is a common outcome of osteoporosis drug studies. We aimed to describe how fractures are defined in studies that use claims data. METHODS: We searched MEDLINE (Ovid), Embase (Ovid), CINAHL (EBSCO), and gray literature for studies published in English between 2000 and 2020 that estimated fracture effectiveness (hip, humerus, radius/ulna, vertebra) or safety (atypical fracture of the femur, AFF) of osteoporosis drugs using claims data in Canada and the USA. Literature searches, screening and data abstraction were completed independently by two reviewers. RESULTS: We identified 57 eligible studies (52 effectiveness, 3 safety, 2 both). Hip fracture was the most common fracture site studied (93%), followed by humerus (66%), radius/ulna (59%), vertebra (61%), and AFF (9%). Half (n = 29) of the studies did not indicate specific data sources, codes, or cite a validation paper. Of the papers with sufficient detail, heterogeneity in fracture definitions was common. The most common definition within each fracture site was used by less than half of the studies that examined effectiveness (12 definitions in 29 hip fracture papers, 8 definitions in 17 humerus papers, 8 definitions in 13 radius/ulna papers, 9 definitions in 15 vertebra papers), and 3 definitions among 4 AFF papers. CONCLUSION: There is ambiguity and heterogeneity in fracture outcome definitions in studies that leverage claims data. Better transparency in outcome reporting is needed. Future exploration of how fracture definitions impact study results is warranted.
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 | 0,097 | 0,349 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,039 | 0,033 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».