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
Bibliographic record
Abstract
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
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.009 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".