Dernières nouvelles

7 juillet 2026

Les fractures de fragilité constituent un fardeau sanitaire majeur et croissant aux conséquences personnelles et économiques importantes nécessitant des mesures urgentes visant à améliorer leur prévention et leur dépistage précoce.

Dans le cadre d’une nouvelle étude réalisée par l’Université McMaster et publiée dans des rapports scientifiques, des chercheurs ont comparé plusieurs modèles d’apprentissage automatique afin de prédire le risque de fracture de fragilité à partir de facteurs de risque cliniques et liés au mode de vie déjà établis. Ces recherches mettent également en évidence les principaux facteurs susceptibles d’être associés au risque de fracture.

Cette étude a été menée sous la direction d’ASM (Sayem) Borhan, professeur adjoint au département des méthodes de recherche en santé, des données probantes et de l’impact et membre de l’Institut McMaster de recherche sur le vieillissement (MIRA). Parmi les collaborateurs du département figurent notamment deux éminents professeurs universitaires, c’est-à-dire Parminder Raina et Lehana Thabane, qui sont également affiliés au MIRA en tant que directeur et membre respectivement.

Ces constatations permettront de mieux cerner les individus présentant un risque accru et de favoriser la mise en place de stratégies de prévention plus précoces et ciblées susceptibles de réduire à la fois les conséquences sur les patients et sur le système de santé.

Cette étude a été partiellement financée par une bourse octroyée conjointement par Ostéoporose Canada et l’Étude canadienne multicentrique sur l’ostéoporose.

Consultez la page Web du département des méthodes de recherche en santé, des données probantes et de l’impact sur le site de l’Université McMaster pour lire l’article dans son intégralité et en savoir plus (en anglais seulement) : https://hei.healthsci.mcmaster.ca/researchers-use-machine-learning-to-better-predict-fractures-caused-by-weak-bones/