Racial and ethnic difference in the risk of fractures in the United States: a systematic review and meta-analysis
Notice bibliographique
Résumé
This systematic review and meta-analysis examined the association between race and ethnicity and fracture risk in the United States. We identified relevant studies by searching PubMed and EMBASE for studies published from the databases' inception date to December 23, 2022. Only observational studies conducted in the US population that reported the effect size of racial-ethnic minority groups versus white people were included. Two investigators independently conducted literature searches, study selection, risk of bias assessment, and data abstraction; discrepancies were resolved by consensus or consultation of a third investigator. Twenty-five studies met the inclusion criteria, and the random-effects model was used to calculate the pooled effect size due to heterogeneity between the studies. Using white people as the reference group, we found that people of other races and ethnic groups had a significantly lower fracture risk. In Black people, the pooled relative risk (RR) was 0.46 (95% confidence interval (CI), 0.43-0.48, p < 0.0001). In Hispanics, the pooled RR was 0.66 (95% CI, 0.55-0.79, p < 0.0001). In Asian Americans, the pooled RR was 0.55 (95% CI, 0.45-0.66, p < 0.0001). In American Indians, the pooled RR was 0.80 (95% CI, 0.41-1.58, p = 0.3436). Subgroup analysis by sex in Black people revealed the strength of association was greater in men (RR = 0.57, 95% CI = 0.51-0.63, p < 0.0001) than in women (RR = 0.43, 95% CI = 0.39-0.47, p < 0.0001). Our findings suggest that people of other races and ethnic groups have a lower fracture risk than white people.
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 | 0,014 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,035 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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) | 0,003 | 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 ».