MétaCan
Menu
Retour à la cohorte
Enregistrement W7047730569

Impacts of Prior Anti-Osteoporosis Treatments on Sequential Denosumab Responses in BMD Changes Among Postmenopausal Osteoporosis Women in East China: Real-World Data Analysis

2025· article· en· W7047730569 sur OpenAlexaff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensOsteoporosis Canada
Organismes subventionnairesnon disponible
Mots-clésDenosumabOsteoporosisRaloxifeneZoledronic acidFemoral neckBone mineralTeriparatide
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Guoyu Guan,1 Yanping Du,2,* Wenjing Tang,2 Minmin Chen,2 Weijia Yu,2 Huilin Li,2 Qun Cheng2,* 1Department of Geriatrics, Huadong Hospital, Fudan University, Shanghai, People’s Republic of China; 2Department of Osteoporosis and Bone Disease, Huadong Hospital, Fudan University, Shanghai, People’s Republic of China*These authors contributed equally to this workCorrespondence: Qun Cheng, Department of Osteoporosis and Bone Disease, Huadong Hospital, Fudan University, No. 221, Yan’an West Road, Shanghai, 200040, People’s Republic of China, Email chengqun@fudan.edu.cn Yanping Du, Department of Osteoporosis and Bone Disease, Huadong Hospital, Fudan University, No. 221, Yan’an West Road, Shanghai, 200040, People’s Republic of China, Email yanpingdu@fudan.edu.cnPurpose: This study aimed to investigate the impacts of prior anti-osteoporosis treatments on bone mineral density (BMD) changes in Chinese postmenopausal women with osteoporosis following 1-year Denosumab (Dmab) therapy.Patients and Methods: This retrospective cohort study enrolled 381 postmenopausal women, all receiving a 1-year Dmab treatment. Participants were stratified into five groups based on prior anti-osteoporosis treatments: no treatment (NT), alendronate (ALN), zoledronic acid (ZOL), teriparatide (TPT), and raloxifene (RAL). Potential factors influencing BMD changes were screened using least absolute shrinkage and selection operator (LASSO). The selected variables were then incorporated into a multivariate regression model to identify independent risk factors. Finally, after adjusting for confounders, the impacts of prior anti-osteoporosis treatment on sequential Dmab responses were evaluated.Results: 1) Further BMD increases were observed after sequential 1-year Dmab with prior use of other anti-osteoporosis drugs; 2) Compared to the NT group, ZOL significantly reduced BMD changes at the lumbar spine (LS), femoral neck (FN), and total hip (TH) (LS: β = − 0.01, P = 0.016; FN: β = − 0.01, P = 0.010; TH: β = − 0.01, P = 0.011); Significant negative associations with FN BMD changes were observed for the ALN group (β = − 0.01, P< 0.001), and the RAL group (β = − 0.01, P = 0.010) compared to the NT group; TPT showed no significant differences with the NT group at all sites; 3) Multiple analysis revealed baseline BMD were independently associated with changes in BMD (LS: β = − 0.04, P = 0.009; FN: β = − 0.19, P < 0.001; TH: β = − 0.14, P < 0.001).Conclusion: These findings indicated that prior anti-osteoporosis treatments differentially influenced BMD responses to 1-year Dmab therapy. While patients who had previously been treated with ZOL had limited subsequent BMD improvement, patients who had previously used TPT and had lower baseline BMD benefited more.Keywords: denosumab, alendronate, zoledronic acid, teriparatide, raloxifene, sequential treatment, bone mineral density, postmenopausal osteoporosis

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,025
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,152
Tête enseignante GPT0,500
Écart entre enseignants0,348 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetSuperconducting and THz Device TechnologyTravaux en français237 207