Risk factors for osteoporosis in elderly patients with type 2 diabetes: A protocol for systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Osteoporosis is a prevalent chronic result of diabetes. Osteoporosis susceptibility is raised by unstable blood glucose levels, oxidative stress, hormonal abnormalities, and other factors. Currently, there is no systematic review addressing the risk factors of osteoporosis in diabetes. This study intends to systematically assess the current risk factors related to diabetic osteoporosis (DOP) and provide suggestions for the improvement of therapy approaches. METHODS AND ANALYSIS: We will search five English literature databases (PubMed, Embase, Web of Science, CINAHL, and Cochrane Library) and three Chinese databases (CNKI, WanFang, and SinoMed) from the starting point until December 31, 2024. We will perform a systematic examination and meta-analysis of cohort and case-control studies to identify all population-based risk factors for diabetic osteoporosis. Two researchers will independently assess the publication, extract data, and evaluate the quality and potential biases present in the study. We will utilize RevMan V.5.4 software and STATA 16.0 for data analysis. The included studies will be assessed using the Newcastle Ottawa Quality Assessment Instrument (NOS). If the heterogeneity of the included studies is higher than 50%, we will perform subgroup and sensitivity analysis to identify probable sources of heterogeneity. The assessment of publication bias will be conducted using funnel plot. Furthermore, we will employ the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) to assess the quality of evidence for each exposure and outcome. DISCUSSION: This protocol aims to investigate the risk variables associated with DOP. We will summarize the current knowledge about factors influencing osteoporosis in diabetes. We strive to assist physicians with more extensive references for decision-making and facilitate the implementation of effective prevention strategies for DOP. REGISTRATION: This study has been registered in the PROSPERO (CRD42024602637).
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 | 0,076 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,017 | 0,029 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,004 |
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 ».