Osteoporosis en mujeres menopáusicas en América Latina: Revisión sistemática y metaanálisis
Bibliographic record
Abstract
La osteoporosis es reconocida como la principal causa de mortalidad prevenible en todo el mundo, principalmente en países de bajos ingresos. Se estima que las bajas tasas de diagnóstico previo de la enfermedad contribuyen al aumento de las complicaciones. Se determina la prevalencia de osteoporosis en mujeres menopáusicas en América Latina, mediante la revisión sistemática de información con metaanálisis de artículos científicos que presentaron una muestra aleatoria de mujeres menopáusicas y que incluyeron estudios epidemiológicos que se publicaron en Scielo, Redalyc, Elseiver y Scopus. Dos investigadores realizaron de forma independiente la selección y el análisis del manuscrito. Para calcular la prevalencia global se utilizó un meta análisis de efectos aleatorios. Para determinar el riesgo de sesgo, los manuscritos fueron evaluados mediante la escala de Newcastle-Ottawa. Después de la selección de 4.292 artículos, se eligieron 21 manuscritos para el análisis cuantitativo. El meta análisis reveló una prevalencia general de osteoporosis de 31% (95% IC: 24% - 38%; I2 = 99%). En países como Chile y México presentaron indicadores menores de prevalencia con valores de 22 % (95 % IC: 13 %-30 %; I2 = 82 %) y 26 % (95 % IC: 15 %-37 %; I2 = 99%), no existiendo un riesgo significativo de sesgo en los manuscritos incluidos en el estudio. Los hallazgos indican que una de cada tres mujeres menopáusicas en América Latina tiene osteoporosis, lo que demuestra que el manejo preventivo de esta enfermedad no ha podido contener la tendencia creciente de casos. Los bajos porcentajes de control de la osteoporosis en mujeres menopáusicas son un reflejo de la falta de tamizaje y diagnóstico de esta enfermedad.
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 | 0.026 | 0.035 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.006 | 0.012 |
| Bibliometrics | 0.019 | 0.012 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".