Is the Severity of Knee Osteoarthritis on Magnetic Resonance Imaging Associated With Outcome of Exercise Therapy?
Notice bibliographique
Résumé
OBJECTIVE: To evaluate associations between severity of knee osteoarthritis (OA) on magnetic resonance imaging (MRI) and treatment outcomes in knee OA patients treated with exercise therapy in an exploratory study. METHODS: Ninety-five participants with knee OA in a 12-week exercise program had obtained 3.0T MRI scans of the knee joint prior to treatment. MRI data were systematically assessed for OA severity of multiple features (cartilage integrity, bone marrow lesions, osteophyte formation, effusion/synovitis, and meniscal abnormalities) according to the Boston Leeds Osteoarthritis Knee Score method. Regression analyses were performed to analyze associations between OA severity on MRI (for the tibiofemoral and patellofemoral [PF] compartments) and outcome of exercise therapy, i.e., changes in activity limitations (Western Ontario and McMaster Universities Osteoarthritis Index physical function; primary outcome), pain and upper leg muscle strength, and treatment response (Outcome Measures in Rheumatology/Osteoarthritis Research Society International criteria). RESULTS: Improvements of 24%, 34%, and 21% on average in activity limitations, pain, and muscle strength, respectively, after 12-week exercise therapy were found (P < 0.001). Severity of abnormalities in PF cartilage integrity was significantly associated with fewer improvements in both activity limitations (P = 0.01) and muscle strength (P = 0.04). Severity of PF osteophyte formation was significantly associated with fewer improvements in muscle strength (P < 0.01). All other features on MRI were not associated with treatment outcome. CONCLUSION: Effectiveness of exercise therapy seems to be independent of OA severity on MRI, except for abnormalities in cartilage integrity and osteophyte formation, both in the PF compartment. Our study suggests that all grades of OA severity on MRI can benefit from professionally supervised exercise therapy, although the effects might be reduced in patients with advanced PF OA.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».