Osteoporosis Management in Patients with Hip Fracture post Fall
Notice bibliographique
Résumé
Introduction: Osteoporosis increases the risk of fragility fracture. Hip fractures are associated with poor outcomes. Men are under-screened and under-treated for osteoporosis, which tends to be secondary, and men have higher mortality and worse outcomes after hip fracture than do women. This study aimed to describe patients admitted with hip fracture following minimal trauma and to explore any gender differences in calcium and vitamin D deficiency and use of osteoporosis medication before admission. Methods: A retrospective cross-sectional study included all patients admitted to Bankstown-Lidcombe Hospital with a fracture of the hip post fall, with or without surgery, from January 1, 2019, to December 31, 2019. Each patient's electronic medical record was reviewed to collect data. The data were extracted and analysed using GraphPad Prism 9.5.1. Unpaired Student's t-tests and Fisher's exact test were used in the analysis. Results: A total of 203 patients were included with a mean age of 83.5 ± 8.8 years and a range of 40 to 103 years, with over half (51.2%) aged 81 to 90 years. Fifty-nine (29.1%) were male. Of 196 patients with vitamin D levels available, 78 (39.8%) had a deficiency, including 30 of 57 (52.6%) males and 48 of 139 (34.5%) females. Males were twice as likely to be vitamin D deficient as were females on admission (OR 2.106; 95% CI 1.143 to 3.939; p = 0.0243). Of 203 patients, 39 (19.2%) were on osteoporosis treatment before admission, including 6 of 59 (10.2%) male and 33 of 144 (22.9%) female patients. Males were 2.6 times more likely to have had no osteoporosis treatment before admission than were females (OR 2.626; 95% CI 1.059 to 6.340; p = 0.0486). Conclusions: Males were more likely to have vitamin D deficiency and not be prescribed osteoporosis medication before admission in a cohort of patients admitted to the hospital with hip fracture post minimal trauma. To prevent hip fracture and resultant hospitalization, increased awareness is needed in diagnosing and managing osteoporosis in men, ideally occurring in the community.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».