Radiographic osteoarthritis and pain are independent predictors of knee cartilage loss: a prospective study
Notice bibliographique
Résumé
BACKGROUND: There is controversy about whether pain and radiographic osteoarthritis (ROA) predict subsequent cartilage loss. The aim of this study was to describe the relationship between ROA, pain and cartilage loss in the knee. METHODS: We studied randomly selected subjects at baseline and approximately 2.9 years later (n= 399). The presence of ROA was assessed at baseline with a standing anteroposterior semiflexed radiograph scored using the Osteoarthritis Research Society International atlas for osteophytes (OP) and joint space narrowing (JSN). Pain was assessed by the Western Ontario McMaster Osteoarthritis Index. Subjects' medial and lateral tibial cartilage volumes were determined by magnetic resonance imaging at both time points. RESULTS: In cross-sectional analysis, both medial and lateral tibial cartilage volumes were lower in those with ROA. Any medial ROA predicted medial tibial cartilage loss (3.2% (standard deviation (SD) 5.6) vs 1.9% (SD 5.3) per annum) while any lateral ROA predicted both medial (4.0% (SD 6.0) vs 2.2% (SD 5.3) per annum) and lateral (3.5% (SD 5.8) vs 1.6% (SD 4.2) per annum) tibial cartilage loss (all P < 0.05). In multivariate analysis, JSN and OP at both medial and lateral sites had independent dose-response associations with tibial cartilage loss at both sites. Pain was an independent predictor of lateral, but not medial, tibial cartilage loss after taking ROA into account. CONCLUSIONS: Subjects with ROA (either JSN or OP) and, to a lesser extent, pain lose cartilage faster than subjects without ROA and the more severe the ROA the greater the rate of loss. These findings have implications for the design of clinical trials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».