MétaCan
Menu
Retour à la cohorte
Enregistrement W4393977632 · doi:10.2196/48947

Sex- and Age-Specific Prevalence of Osteopenia and Osteoporosis: Sampling Survey

2024· article· en· W4393977632 sur OpenAlexvenueno aff
Yao Fan, Qun Li, Yu Liu, Jing Miao, Ting Zhao, Jinxin Cai, Min Liu, Jun Cao, Haifeng Xu, Lai Wei, M. Li, Chong Shen

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaNational Natural Science Foundation of China
Mots-clésOsteopeniaMedicineOsteoporosisCross-sectional studyPopulationBone mineralPhysical therapyInternal medicineEnvironmental healthPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Osteopenia and osteoporosis are posing a long-term influence on the aging population's health contributing to a higher risk of mortality, loss of autonomy, hospitalization, and huge health system costs and social burden. Therefore, more pertinent data are needed to demonstrate the current state of osteoporosis. OBJECTIVE: This sampling survey seeks to assess the trends in the prevalence of osteopenia and osteoporosis in a Chinese Han population. METHODS: ) test was used to compare categorized variables. Stratified analysis was conducted to describe the prevalence rates of osteoporosis (T score ≤-2.5) and osteopenia (T score -2.5 to -1.0) across age, sex, calcium intake, and menopause. A direct standardization method was used to calculate the age-standardized prevalence rates of osteoporosis and osteopenia. T-score was further categorized into quartiles (T1-T4) by age- and sex-specified groups. RESULTS: The prevalence rates of osteopenia and osteoporosis were 40.5% (6633/16,377) and 7.93% (1299/16,377), respectively, and the age-standardized prevalence rates were 27.32% (287,877,129.4/1,053,861,940) and 3.51% (36,974,582.3/1,053,861,940), respectively. There was an increase in osteopenia and osteoporosis prevalence from 21.47% (120/559) to 56.23% (754/1341) and 0.89% (5/559) to 17.23% (231/1341), respectively, as age increased from 18 years to 75 years old. The prevalence rates of osteopenia and osteoporosis were significantly higher in female participants (4238/9645, 43.94% and 1130/9645, 11.72%) than in male participants (2395/6732, 35.58% and 169/6732, 2.51%; P<.001), and in postmenopausal female participants (3638/7493, 48.55% and 1053/7493, 14.05%) than in premenopausal female participants (538/2026, 26.55% and 53/2026, 2.62%; P<.001). In addition, female participants with a history of calcium intake had a lower osteoporosis prevalence rate than female participants without any history of calcium intake in all age groups (P=.004). From low quartile to high quartile of T-score, the prevalence of diabetes mellitus (752/4037, 18.63%; 779/4029, 19.33%; 769/3894, 19.75%; and 869/3879, 22.4%) and dyslipidemia (2228/4036, 55.2%; 2304/4027, 57.21%; 2306/3891, 59.26%; and 2379/3878, 61.35%) were linearly increased (P<.001), while the prevalence of cancer (112/4037, 2.77%; 110/4029, 2.73%; 103/3894, 2.65%; and 77/3879, 1.99%) was decreased (P=.03). CONCLUSIONS: Our data imply that as people age, osteopenia and osteoporosis are more common in females than in males, particularly in postmenopausal females than in premenopausal females, and bone mineral density significantly affects the prevalence of chronic diseases. These findings offer information that can be applied to intervention programs meant to prevent or lessen the burden of osteoporosis in China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,369
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetBone health and osteoporosis researchTravaux en français237 207