Smoking and fracture risk in men: a meta-analysis of cohort studies, using both frequentist and Bayesian approaches
Notice bibliographique
Résumé
Abstract Past studies indicate that men are more likely to smoke and be at higher risk of smoking-related conditions than women. Our research aimed, through meta-analysis, to assess the association between smoking and fracture risk in men. The following databases were searched, including MEDLINE, EMBASE, Scopus, PsycINFO, ISI Web of Science, Google Scholar, WorldCat, and Open Grey, for identifying related studies. A random-effects model was used to pool the confounder-adjusted relative risk (R.R.). Frequentist and Bayesian hierarchical random-effects models were used for the analysis. The heterogeneity and publication bias were evaluated in this study. Twenty-seven studies met the inclusion criteria. Overall, smoking is associated with a significantly increased risk of fracture in both the frequentist approach (R.R., 1.37; 95% confidence interval: 1.22, 1.53) and the Bayesian approach (R.R., 1.36; 95% credible interval: 1.22, 1.54). Significant heterogeneity was observed in the meta-analysis (Higgin's I2 = 83%) and Cochran's Q statistic (p < 0.01). A significant association was also observed in multiple pre-specified sensitivity and subgroup analyses. Similar results were observed in the group containing a large sample size (≥ 10,000 participants), and the group has a small sample size (< 10,000 participants); the pooled R.R was 1.23 (95% confidence interval, 1.07–1.41) and 1.56 (95% confidence interval, 1.37–1.78), respectively. With the Bayesian method, the effect size was 1.23 (95% credible interval, 1.05, 1.45) for the large sample size group and 1.57 (95% credible interval, 1.35, 1.82) for the small sample size group. Smoking is associated with a significant increase in fracture risk for men. Thus, smoking cessation would also greatly reduce fracture risk in all smokers, particularly in men.
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 | 0,052 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,056 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».