Increased Risk of Fracture Among Patients With Iron Overload: A Population-based Matched Cohort Study
Notice bibliographique
Résumé
INTRODUCTION: Iron overloading disorders are associated with decreased bone mineral density. However, evidence on fracture risk is scarce. Therefore, we evaluated the risk of fracture associated with iron overload disorders compared to matched controls. METHODS: Using The Healthcare Improvement Network, a Cegedim database of UK general practice data, we identified patients >18 years with elevated iron (ferritin value >1000 µg/L) or an eligible diagnosis code for iron overloading disorders between 2010 and 2022. The first date of elevated iron or a diagnosis code defined the index date for iron overload patients, who were matched with up to 10 controls. Time-varying confounder-adjusted Cox proportional hazard models estimated the hazard ratios (HRs) and 95% confidence intervals. Analyses were stratified by osteoporotic fracture site (hip, vertebral, humerus, forearm) and evidence of elevated serum ferritin at baseline (ferritin >1000 µg/L), and sex. RESULTS: We identified 20 264 eligible patients and 192 956 controls. Overall, there was a 55% increased risk of any fracture among iron overload patients (HR 1.55 [1.42-1.68]). Fracture risk was increased at all sites, with the highest risk observed for vertebral fractures (HR 1.97 [1.63-2.10]). Patients with ferritin >1000 µg/L had a 91% increased risk of any fracture (HR 1.91 [1.73-2.16]) and a 2.5-fold increased risk of vertebral fractures (HR 2.51 [2.01-3.12]). There was no increased risk among patients without elevated serum ferritin at any site. Fracture risk was similar between sexes. DISCUSSION: This large population-based cohort study found a 55% increased risk of fracture associated with iron overload. The risk was highest among patients with laboratory-confirmed iron overload, highlighting the importance for clinicians to consider initiating osteoporosis therapy in patients with serum ferritin >1000 µg/L to minimize fracture risk.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».