Making VFA Part of Standard Clinical DXA Assessment for Osteoporosis Care
Notice bibliographique
Résumé
Fracture risk is strongly dependent on the presence of previous fractures, especially vertebral. In this paper, we focus on the use of vertebral fracture assessment (VFA) with dual-energy x-ray absorptiometry (DXA), as vertebral fractures can be clinically silent, and their identification is critical for optimal bone health management. Our tool was to inform health care professionals about the clinical utility of accurate recognition and classification of vertebral fractures. A comprehensive narrative review was conducted on the clinical relevance of diagnosing vertebral fractures, the technical aspects of optimal methodology for VFA, image interpretation and scoring methods, and pitfalls in evaluating VFA. Proposals for standardization on methodology and indications for VFA were discussed and iterated after comments from 15 international societies to achieve consensus recommendations. Vertebral fracture assessment should ideally be performed in all patients in whom a DXA-bone mineral density measurement is indicated. However, when there are limitations to DXA access or reimbursement, VFA should be obtained in patients at high risk for fractures, such as those with a low bone mineral density T-score (<-1.0) and one or more of the following: oral glucocorticoid use, prior vertebral fracture, loss of height, and advanced age (International Society for Clinical Densitometry criteria). If VFA is not available on the DXA system software, conventional lateral spine radiographs can also be used as an alternative option to identify vertebral fractures. Although several scoring systems exist, the semiquantitative Genant score and the algorithm-based qualitative scoring system seem to be among the best, with the Genant score being the easiest to apply in clinical practice.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».