13. MỐI LIÊN QUAN GIỮA SUY YẾU VỚI LOÃNG XƯƠNG TRÊN BỆNH NHÂN CAO TUỔI ĐIỀU TRỊ NỘI TRÚ TẠI BỆNH VIỆN THỐNG NHẤT
Bibliographic record
Abstract
Mục tiêu: Khảo sát tỷ lệ loãng xương và suy yếu trên bệnh nhân cao tuổi, và mối liên quan giữa suy yếu với loãng xương và thành phần cơ thể ở bệnh nhân cao tuổi. Đối tượng: Bệnh nhân ≥ 60 tuổi điều trị tại khoa nội cơ xương khớp bệnh viện Thống Nhất. Phương pháp nghiên cứu: mô tả cắt ngang. Bệnh nhân được đo mật độ xương bằng DXA tại cổ xương đùi (CXĐ) và cột sống thắt lưng (CSTL), khối lượng cơ được đo bằng điện trở kháng sinh hoc (BIA). Bệnh nhân được đánh giá suy yếu theo thang điểm hội chứng suy yếu lâm sàng Canada (Clinical Frailty Scale- CFS). Kết quả: Đối tượng nghiên cứu gồm có 200 bệnh nhân, tuổi trung bình 73,8 ± 8,9 tuổi, 72% nữ và 28% nam. Tỷ lệ loãng xương 55% tại CXĐ và 39,5% tại CSTL. Tỷ lệ suy yếu 27% nam (28,6%), nữ (26,45). Ở bệnh nhân suy yếu có tỷ lệ loãng xương tại cổ xương đùi cao gấp 2,58 lần so với bệnh nhân không bị suy yếu với OR=2,58, P<0,01. Tỷ lệ giảm khối lượng cơ, thiếu cơ và suy dinh dưỡng ở nhóm bệnh nhân suy yếu cao hơn nhóm không suy yếu và sự khác biệt có ý nghĩa thống kê với p<0,05. Khối lượng mỡ ở hai nhóm suy yếu và không suy yếu khác biệt không có ý nghĩa thống kê với p>0,05. Kết luận: Tỷ lệ loãng xương và suy yếu cao ở bệnh nhân cao tuổi điều trị nội trú. Trên bệnh nhân suy yếu có tỷ lệ loãng xương tại cổ xương đùi, giảm khối lượng cơ, thiếu cơ và suy dinh dưỡng cao hơn nhóm không suy yếu.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.167 | 0.072 |
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".