MétaCan
Menu
Retour à la cohorte
Enregistrement W4413308818 · doi:10.1093/jbmr/zjaf113

Fracture risk scores using output from an opportunistic screen of low bone density from conventional X-ray

2025· article· en· W4413308818 sur OpenAlexafffundabout
Catriona Syme, Mark Cicero, Jonathan D. Adachi, Claudie Berger, Suzanne N. Morin, David Goltzman, Alexander Bilbily

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiomics and Machine Learning in Medical Imaging
Établissements canadiensHealth Sciences CentreMcGill UniversitySunnybrook Health Science CentreMcGill University Health CentreNorth York General HospitalBitCan (Canada)McMaster UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchEli Lilly CanadaArthritis SocietyDairy Farmers of CanadaServier Canada
Mots-clésFracture (geology)Bone densityMedicineX-rayDentistryOrthodonticsOsteoporosisInternal medicineMaterials sciencePhysicsComposite materialOptics

Résumé

récupéré en direct d'OpenAlex

Fracture risk is commonly assessed by FRAX, a tool that estimates 10-yr risk for major osteoporotic fracture (MOF) and hip fracture. FRAX scores are often refined by including FN BMD measured by DXA as an input. Rho, a novel AI-powered software, estimates FN BMD T-Scores from conventional X-rays, even when FN is not in the image. Whether a FRAX score using this estimate (FRAX-Rho) can improve a FRAX score without a T-Score input (FRAX-NoT) has not been studied. We conducted a retrospective analysis of Canadian Multicentre Osteoporosis Study participants who had X-rays of the lumbar and/or thoracic spine, FRAX risk factors, and DXA T-Scores acquired at the same time point, and follow-up fracture outcomes over 9 yr. In 1361 participants with lumbar X-rays, FRAX-Rho and FRAX with DXA FN T-Scores (FRAX-DXA) had very good agreement in categorizing participants by MOF risk (Cohen's weighted kappa κ = 0.80 [0.77-0.82]), which tended to be better than that between FRAX-NoT and FRAX-DXA (0.76 [0.73-0.79]). Agreement in categorizing participants by hip fracture risk was significantly greater between FRAX-Rho and FRAX-DXA (0.67 [0.63-0.71]) than FRAX-NoT and FRAX-DXA (0.52 [0.48-0.56]). In predicting true incident MOF, FRAX-Rho and FRAX-DXA did not differ in their discriminative power (c-index) (0.76 and 0.77; p = .36); both were significantly greater than that of FRAX-NoT (0.73; p < .004). The accuracy of FRAX-Rho for predicting MOF (Brier Score) was better than FRAX-NoT (p < .05) but not as good as FRAX-DXA. Similar results were observed in participants with thoracic X-rays. In conclusion, FN T-Scores estimated by Rho from lumbar and thoracic X-rays add value to FRAX-NoT estimates and may be useful for risk assessment when DXA is not available.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,395
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetRadiomics and Machine Learning in Medical ImagingTravaux en français237 207