Study epidemiology of risk fracture in osteoporosis based on frax score, and osta score, with risk of fall using Ontario score in elderly Indonesia
Notice bibliographique
Résumé
Background: Osteoporosis is characterized by a low bone mass of bone tissue. If osteoporosis is not treated properly, it will increase the high risk of fracture. The common causes of fracture on osteoporosis condition due to falls. This study aims to find the correlation between the risk of osteoporosis with fall risk (ONTARIO) based on osteoporosis fracture risk (FRAX) Methods: This study is an analytic study with a cross-sectional method. We collected the sample using random cluster sampling in the six primary health care in Malang on different times service since August–September 2021. Total patient 139, however only 132 patients were included in this study. After collecting data is complete, we analyze using Chi-square tests. Results: The mean age of participants was 63.9 ± 7.14. with the age group was dominated by the range of 60–64. It was found that the result of the FRAX SCORE had a low-risk category for major fracture osteoporosis and risk hip fracture. In contrast, from the OSTA score in this study, more than 68 participants (50.8%) were found medium and high-risk scores. Then, in ONTARIO score of the risk fall assessment, and high score in 57 participants (43.2%). If compared between OSTA and ONTARIO, there was a significant relationship between OSTA score and ONTARIO score ( p < 0.000) with high-risk OSTA have a significant relationship with a high risk of falling and vice versa. Conclusion: In this study, there was a relationship between the risk of high osteoporosis and the risk of falling.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,064 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,008 |
| 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 tête enseignante, 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 ».