Geographical differences and twenty-year changes in the prevalence of osteoporosis and fractures in Canadians: the Canadian multicenter osteoporosis study and the Canadian longitudinal study on aging
Notice bibliographique
Résumé
L'ostéoporose est un problème important de santé publique important. La densité minérale osseuse (DMO) et les taux de fractures ont changé au fil du temps, et ces paramètres diffèrent d'un pays à l'autre et au sein du même pays. Il existe un manque de données sur les changements dans la DMO, les taux de fractures et la prise en charge de l'ostéoporose au cours des dernières décennies au Canada, et sur les différences dans la prévalence de l'ostéoporose et des fractures entre les provinces. L'Étude canadienne multicentrique sur l'ostéoporose (CaMos) et l'Étude longitudinale canadienne sur le vieillissement (ELCV), deux cohortes longitudinales recrutées à vingt ans d'intervalle, fournissent des informations sur les déterminants de la santé squelettique chez les Canadiens.En utilisant les données des cohortes ELCV et CaMos, nous avons comparé la DMO selon l’âge et le sexe, le taux de fractures prévalentes entre les deux cohortes, ainsi que l'utilisation des traitements anti-ostéoporotiques chez les personnes à risque élevé de fracture. Ensuite, en utilisant les données de l’ELCV, nous avons décrit la prévalence de l’ostéoporose et des fractures ostéoporotiques majeures (FOM) dans les provinces canadiennes et déterminé l’association des mesures de la performance physique avec ces variables.Nous avons comparé les données des participants de 50 à 85 ans de CaMos (N= 6 479 ; 1995-1997) et de l'ELCV (N= 19 534 ; 2012-2015). Nous avons observé que les participants de CaMos étaient en moyenne plus âgés que ceux de l'ELCV et qu'ils avaient également une taille, un indice de masse corporelle (IMC), un poids et une prévalence de tabagisme plus élevés que ceux de l’ELCV. Dans les analyses de régression, la DMO au col fémoral était plus élevée dans l’ELCV que celle dans CaMos, tandis que le taux de FOM était plus faible dans l’ELCV par rapport à CaMos. Chez les femmes à haut risque de fractures, le recours à un traitement anti-ostéoporotique était plus élevé dans l’ELCV, tandis que chez les hommes, le recours aux traitements anti-ostéoporotiques était très faible, sans différence significative entre les cohortes.Dans le deuxième projet, nous avons utilisé les données de 10 716 femmes et 10 511 hommes âgés de 50 à 85 ans participant de la cohorte ELCV. Nous avons observé l'IMC moyen le plus bas en Colombie-Britannique (CB) et le plus élevé au Terre-Neuve-et-Labrador (T.-N.-L.). La prévalence de l'ostéoporose était de 5,2 % chez les femmes et de 0,9 % chez les hommes et ne différait pas significativement entre les provinces. Nous avons démontré des différences significatives dans la DMO entre les provinces; les femmes et les hommes de la CB et de l'Alberta, et les femmes du Manitoba et de la Nouvelle-Écosse avaient une DMO ajustée plus faible, alors que les hommes de la NE avaient une DMO ajustée plus élevée que ceux de l'Ontario (ON : référence). Les rapports des cotes ajustés pour les FOM étaient significativement plus faibles chez les femmes et les hommes de la CB par rapport à l'ON. Alors que les mesures de la performance physique variaient entre les provinces et étaient associées à la DMO et aux fractures, l'addition de ces mesures aux modèles de régression n'expliquait pas les variations géographiques observées.Nous avons donc documenté les changements dans la DMO et les taux de fractures ostéoporotiques au cours des deux dernières décennies et l'existence de différences géographiques dans ces paramètres. De plus, nous avons noté la persistance d'un écart thérapeutique chez les femmes et chez les hommes à risque élevé de fractures. L'étiologie de ces différences résulte entre autres de facteurs individuels et sociétaux tels que le niveau d’éducation, les changements des habitudes de vie au fil du temps et l’accès aux soins de santé. Une sensibilisation accrue à la prévalence de l'ostéoporose et des fractures et à la façon dont ces paramètres varient d'une juridiction à l'autre peut éclairer la prestation des soins partout au Canada
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».