Body mass index and subsequent fracture risk: a meta-analysis to update FRAX
Notice bibliographique
Résumé
The aim of this international meta-analysis was to quantify the predictive value of BMI for incident fracture and relationship of this risk with age, sex, follow-up time, and BMD. A total of 1 667 922 men and women from 32 countries (63 cohorts), followed for a total of 16.0 million person-years were studied. 293 325 had FN BMD measured (2.2 million person-years follow-up). An extended Poisson model in each cohort was used to investigate relationships between WHO-defined BMI categories (Underweight: <18.5 kg/m2; Normal: 18.5-24.9 kg/m2; Overweight: 25.0-29.9 kg/m2; Obese I: 30.0-34.9 kg/m2; Obese II: ≥35.0 kg/m2) and risk of incident osteoporotic, major osteoporotic and hip fracture (HF). Inverse-variance weighted β-coefficients were used to merge the cohort-specific results. For the subset with BMD available, in models adjusted for age and follow-up time, the hazard ratio (95% CI) for HF comparing underweight with normal weight was 2.35 (2.10-2.60) in women and for men was 2.45 (1.90-3.17). Hip fracture risk was lower in overweight and obese categories compared to normal weight [obese II vs normal: women 0.66 (0.55-0.80); men 0.91 (0.66-1.26)]. Further adjustment for FN BMD T-score attenuated the increased risk associated with underweight [underweight vs normal: women 1.69 (1.47-1.96); men 1.46 (1.00-2.13)]. In these models, the protective effects of overweight and obesity were attenuated, and in both sexes, the direction of association reversed to higher fracture risk in Obese II category [Obese II vs Normal: women 1.24 (0.97-1.58); men 1.70 (1.06-2.75)]. Results were similar for other fracture outcomes. Underweight is a risk factor for fracture in both men and women regardless of adjustment for BMD. However, while overweight/obesity appeared protective in base models, they became risk factors after additional adjustment for FN BMD, particularly in the Obese II category. This effect in the highest BMI categories was of greater magnitude in men than women. These results will inform the second iteration of FRAX®.
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 | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,036 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».