Erheblich verbesserte Identifizierung von Hochrisikopatienten durch eine modifizierte Strategie zur Fraktur-Risikoabschätzung
Bibliographic record
Abstract
Einleitung: Die bisher verfolgten Strategien schöpfen das Potenzial zur Identifizierung von Hochrisikopatienten nicht aus. Es wird eine modifizierte Strategie vorgeschlagen, gemäß den Leitlinien des DVO: Risikoabschätzung auf Basis von (i) Hüftfrakturen (HF) und Wirbelkörperfrakturen (WKF) anstelle sonstiger osteoporotischer Frakturen (sOF), (ii) mehr klinische Risikofaktoren (kRFs), (iii) Knochenflächendichte (aBMD) und Trabecular Bone Score (TBS) der Lendenwirbelsäule (LWS) zusätzlich zur aBMD der Gesamt-Hüfte (iv) und ein Vorhersagezeitraum von 3 bzw 1 anstelle von 10 Jahren. Ziel: Zu prüfen, ob diese Strategie zu einer Verbesserung der Frakturvorhersage führt. Methode: Die Analysen erfolgten im Manitoba BMD Register. Ein erweiterter Satz von Risikofaktoren für das HF- oder WKF-Risiko wurde auf der Grundlage einer systematischen Literaturauswertung (2267 Veröffentlichungen, Oxford-Evidenzkriterien) der Leitlinienkommission des DVO ausgewählt, sofern im BMD-Register von Manitoba verfügbar. Cox-Modelle zur Vorhersage von 3-Jahres HF, WKF und sOF wurden in 7 Schritten erstellt. Voraussetzung für Einschluss der Faktoren des jeweiligen Schritts war eine signifikante Verbesserung und ein klinisch relevanter Anstieg der AUC>0.005: (0)=Ausgangsniveau: 8 kRF aus FRAX (ohne sekundäre Osteoporose) → (1) Aufschlüsselung der FRAX-Vorfrakturen in Frakturtypen Untergruppen → (2) kRFs aus sekundärer Osteoporose (aus FRAX und auch weitere) → (3) kRFs aus neurologischen Erkrankungen → (4) Hinzufügen der aBMD der Gesamt-Hüfte → (5) Hinzufügen der aBMD der LWS → (6) Hinzufügen des TBS; (7) Vergleich des hieraus resultierenden 3-Jahres-Frakturrisikomodells mit demselben Modell für das 1- und 10-Jahres-Frakturrisiko. Ergebnisse: Die Stichprobe umfasste 56.129 Frauen; über 3 Jahre wurden 292 HF, 260 klinische WKF und 1556 sOF erfasst. Die Tab. 1 zeigt die Verbesserungen der AUC, sofern die Verbesserungsvoraussetzungen erfüllt wurden. Insgesamt verbesserten sich die 3-Jahres-AUCs um +0,054 (von 0,830 auf 0,884) für HF und um +0,068 (von 0,727 auf 0,795) für WKF. Im Vergleich zu den 3-Jahres-Risikomodellen waren die AUCs nach 1 Jahr höher, und zwar um +0,023 (auf 0,907) für HF und um +0,055 (auf 0,850) für WKF. Im Gegensatz dazu war die 10-Jahres-AUC mit 0,825 (-0,059 im Vergleich zur 3-Jahres-AUC) für HF und mit 0,771 (-0,024) für WKF wesentlich niedriger. Für sOFs waren die AUCs in allen Stufen durchweg niedriger als für HF und WK. Diskussion: Vier Strategieänderungen: (i) Beschränkung auf das HF- und WKF-Risiko; (ii) mehr klinischer Risikofaktoren; (iii) Einbeziehung von aBMD und TBS der LWS (für WKF); (iv) Bewertung des 3-Jahres Risikos (und des imminenten Risikos über 1 Jahr) anstelle des 10-Jahres Risikos, verbesserten die Risikoprofilierung erheblich. Dies unterstützt die Strategie zur Identifizierung von Hochrisikopersonen der aktuellen Leitlinie des DVO.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".