Current status of patients with hip fracture in Japan: A nationwide survey
Notice bibliographique
Résumé
BACKGROUND: Although surgical treatment is the standard of care for most hip fractures, the post-fracture management of osteoporosis remains challenging. This study aimed to elucidate the status of osteoporosis treatment, subsequent fracture rates, mortality rates, and changes in residential status and care levels among hip fracture patients in Japan, and to explore strategies for fracture prevention and extension of healthy life expectancy. METHODS: This study included patients with hip fractures treated at approximately 3000 orthopaedic facilities nationwide during July 2020. Data was collected via web-based surveys at the time of injury and 6 and 12 months post-injury. RESULTS: A total of 6705 patients were registered from 1309 facilities (mean age: 82.9 ± 0.7 years; 86.4 % were female). The surgery rate was 94.8 %, with 62.1 % undergoing osteosynthesis and 37.9 % receiving hemiarthroplasty or total hip arthroplasty. Osteoporosis treatment rates gradually increased from 23.0 % at the time of injury to 44.8 % at 6 months and 47.3 % at 12 months, although the rates remained suboptimal. Active vitamin D3-based medications were the most commonly used medications, accounting for approximately 60 % of cases. The cumulative 12-month mortality rate was 10.0 %, and the incidence of new fractures was 11.0 %. The main fracture sites were the contralateral proximal femur, vertebral, and proximal humerus. The most common reason for non-treatment was "patient's decision." Among patients who were not enrolled in long-term care insurance at the time of injury, 66.1 % had newly obtained care level certification by 12 months after injury. The proportion of patients who returned home among those living at home at the time of injury was 80.7 % at 6 months and 96.8 % at 12 months, respectively. CONCLUSIONS: Osteoporosis treatment rates after hip fractures remain low, indicating the need for more proactive intervention, including secondary fracture prevention. This study also highlights the importance of early rehabilitation and continuous support.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».