MétaCan
Menu
Retour à la cohorte
Enregistrement W4399998865 · doi:10.1007/s11657-024-01402-6

Hip fracture rate and osteoporosis treatment in Ontario: A population-based retrospective cohort study

2024· article· en· W4399998865 sur OpenAlexafffundabout
Hajar AbuAlrob, George Ioannidis, Susan Jaglal, Andrew P. Costa, Lauren E. Grifith, Lehana Thabane, Jonathan D. Adachi, Cathy Cameron, Loretta M. Hillier, Arthur Lau, Alexandra Papaioannou

Notice bibliographique

RevueArchives of Osteoporosis · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueBone health and osteoporosis research
Établissements canadiensHamilton Health SciencesInstitute for Clinical Evaluative SciencesUniversity of TorontoMcMaster UniversityImpact
Organismes subventionnairesOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicineOsteoporosisHip fracturePopulationGerontologyPhysical therapyDemographyEmergency medicineInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

This population-based study analyzes hip fracture and osteoporosis treatment rates among older adults, stratified by place of residence prior to fracture. Hip fracture rates were higher among older adults living in the community and discharged to long-term care (LTC) after fracture, compared to LTC residents and older adults living in the community. Only 23% of LTC residents at high fracture risk received osteoporosis treatment. PURPOSE: This population-based study examines hip fracture rate and osteoporosis management among long-term care (LTC) residents > 65 years of age compared to community-dwelling older adults at the time of fracture and admitted to LTC after fracture, in Ontario, Canada. METHODS: Healthcare utilization and administrative databases were linked using unique, encoded identifiers from the ICES Data Repository to estimate hip fractures (identified using the Public Health Agency of Canada algorithm and International Classification of Diseases (ICD)-10 codes) and osteoporosis management (pharmacotherapy) among adults > 66 years from April 1, 2014 to March 31, 2018. Sex-specific and age-standardized rates were compared by pre-fracture residency and discharge location (i.e., LTC to LTC, community to LTC, or community to community). Fracture risk was determined using the Fracture Risk Scale (FRS). RESULTS: At baseline (2014/15), the overall age-standardized hip fracture rate among LTC residents was 223 per 10,000 person-years (173 per 10,000 females and 157 per 10,000 males), 509 per 10,000 person-years (468 per 10,000 females and 320 per 10,000 males) among the community to LTC cohort, and 31.5 per 10,000 person-years (43.1 per 10,000 females and 25.6 per 10,000 males). During the 5-year observation period, the overall annual average percent change (APC) for hip fracture increased significantly in LTC (AAPC = + 8.6 (95% CI 5.0 to 12.3; p = 0.004) compared to the community to LTC group (AAPC = + 2.5 (95% CI - 3.0 to 8.2; p = 0.248)) and the community-to-community cohort (AAPC - 3.8 (95% CI - 6.7 to - 0.7; p = 030)). However, hip fracture rate remained higher in the community to LTC group over the study period. There were 33,594 LTC residents identified as high risk of fracture (FRS score 4 +), of which 7777 were on treatment (23.3%). CONCLUSION: Overall, hip fracture rates have increased in LTC and among community-dwelling adults admitted to LTC after fracture. However, hip fracture rates among community-dwelling adults have decreased over time. A non-significant increase in osteoporosis treatment rates was observed among LTC residents at high risk of fracture (FRS4 +). Residents in LTC are at very high risk for fracture and require individualized based on goals of care and life expectancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,303
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArchives of OsteoporosisMême sujetBone health and osteoporosis researchTravaux en français237 207