Correlates of Gait Speed in Advanced Knee Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: This study aims to evaluate correlates of gait speed, a measure of disability, in older adults with advanced knee osteoarthritis (OA) and chronic pain. DESIGN/SETTING/SUBJECTS/METHODS: Baseline data were analyzed from a clinical trial of 190 participants aged >50 with advanced knee OA (according to clinical and radiographic American College of Rheumatology criteria) and chronic pain. Data included 4-meter gait speed, quality of life (Short Form Health Survey 36 global health subscale), knee pain (Western Ontario and McMasters Universities Osteoarthritis Index [WOMAC]), depressive symptoms (Center for Epidemiologic Studies Depression Scale), coping strategies (catastrophizing subscale and Cognitive Strategies Questionnaire), self-efficacy (Athritis Self-efficacy Scale [ASES]), comorbidity (Cumulative Illness Rating Scale), analgesic use, and pain comorbidities (location, frequency, and intensity). A multivariable regression model was used to investigate these variables as they relate to gait speed. RESULTS: In the univariate analysis, the following variables were associated with gait speed: knee pain (per WOMAC), age, depressive symptoms, global health, catastrophizing, ASES function and other, comorbidity, and opioid use (all P values <0.05). In the fully adjusted multivariate model, controlling for knee pain, significant associations between gait speed and age (β = -0.006; P < 0.001), ASES function (β = 0.003; P < 0.001), and opioid use (β = -0.082; P = 0.009) persisted. The correlation between opioid dose and gait speed (among opioid users) was not statistically significant (r = 0.04; P = 0.81). CONCLUSION: In a cross-sectional study of older adults with advanced knee OA and chronic pain, we found that age, arthritis function self-efficacy, and opioid use (but not dose) were significantly associated with decreased gait speed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».