Spine age estimation using deep learning in lateral spine radiographs and DXA VFA to predict incident fracture and mortality
Notice bibliographique
Résumé
Abstract Background Spine age estimated from lateral spine radiographs and DXA vertebral fracture assessments (VFAs) could be associated with fracture and mortality risk. Methods In the VERTE-X cohort (n=10,341, age 40 or older; derivation set) and KURE cohort (n=3,517; age 65 or older; external test set), predicted age difference was defined as estimated spine age minus chronological age. The primary outcome was incident fracture. Secondary outcomes included morphologic vertebral fracture, osteoporosis, and incident mortality. Results Incidence of overall fracture was 20.5/1000 and 21.0/1000 person-years (median follow-up 5.4 and 6.6 years) in VERTE-X and KURE, respectively. Spine age discriminated prevalent vertebral fractures and osteoporosis better than chronological age. Higher predicted age difference (PAD) was associated with greater risk of overall (VERTE-x: adjusted HR [aHR] 1.71; KURE: aHR 1.22 per 1 standard deviation [SD] increment), vertebral (aHR 1.55 and 1.34), and non-vertebral fractures (aHR 1.89 and 1.15, p<0.05 for all), independent of chronological age and prevalent vertebral fracture. FRAX hip fracture probabilities based on spine age improved discrimination for incident hip fracture over chronological age (AUROC 0.83 vs. 0.78, p=0.027). Shorter height, lower femoral neck BMD, diabetes, vertebral fractures, and surgical prosthesis were associated with higher predicted age difference, explaining 40% of variance. In the external test set, higher predicted age difference was associated with greater risk of mortality (aHR 1.31 per 1 SD increment, p=0.001), independent of covariates. Conclusion Spine age estimated from lateral spine radiographs and DXA VFA enhanced fracture risk assessment and mortality prediction in adults. Key Points Spine age estimated from lateral spine radiographs and DXA VFA using deep learning outperformed chronological age in discriminating morphologic vertebral fracture and osteoporosis. Higher predicted age difference (predicted spine age minus chronological age) was associated with greater risk of overall, vertebral, and non-vertebral incident fracture, independent of covariates. Male sex, lower height, lower femoral neck BMD, diabetes mellitus, morphologic vertebral fractures, and surgical prosthesis were correlated with higher predicted age difference, explaining up to 40% variance. Higher predicted age difference was associated with greater risk of mortality, independent of chronological age, sex, prevalent morphologic vertebral, fracture, and clinical biomarkers related to mortality including serum albumin, hemoglobin, and creatinine.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».