Simultaneous automated ascertainment of prevalent vertebral fracture and abdominal aortic calcification in clinical practice: role in fracture risk assessment
Notice bibliographique
Résumé
Whether simultaneous automated ascertainments of prevalent vertebral fracture (auto-PVFx) and abdominal aortic calcification (auto-AAC) on vertebral fracture assessment (VFA) lateral spine bone density (BMD) images jointly predict incident fractures in routine clinical practice is unclear. We estimated the independent associations of auto-PVFx and auto-AAC primarily with incident major osteoporotic and secondarily with incident hip and any clinical fractures in 11 013 individuals (mean [SD] age 75.8 [6.8] years, 93.3% female) who had a BMD test combined with VFA between March 2010 and December 2017. Auto-PVFx and auto-AAC were ascertained using convolutional neural networks (CNNs). Proportional hazards models were used to estimate the associations of auto-PVFx and auto-AAC with incident fractures over a mean (SD) follow-up of 3.7 (2.2) years, adjusted for each other and other risk factors. At baseline, 17% (n = 1881) had auto-PVFx and 27% (n = 2974) had a high level of auto-AAC (≥ 6 on scale of 0 to 24). Multivariable-adjusted hazard ratios (HR) for incident major osteoporotic fracture (95% CI) were 1.85 (1.59, 2.15) for those with compared with those without auto-PVFx, and 1.36 (1.14, 1.62) for those with high compared with low auto-AAC. The multivariable-adjusted HRs for incident hip fracture were 1.62 (95% CI, 1.26 to 2.07) for those with compared to those without auto-PVFx, and 1.55 (95% CI, 1.15 to 2.09) for those high auto-AAC compared with low auto-AAC. The 5-year cumulative incidence of major osteoporotic fracture was 7.1% in those with no auto-PVFx and low auto-AAC, 10.1% in those with no auto-PVFx and high auto-AAC, 13.4% in those with auto-PVFx and low auto-AAC, and 18.0% in those with auto-PVFx and high auto-AAC. While physician manual review of images in clinical practice will still be needed to confirm image quality and provide clinical context for interpretation, simultaneous automated ascertainment of auto-PVFx and auto-AAC can aid fracture risk assessment.
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 | 0,008 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».