Quantitative Radiographic Features of Early Knee Osteoarthritis: Development Over 5 Years and Relationship with Symptoms in the CHECK Cohort
Notice bibliographique
Résumé
OBJECTIVE: To evaluate whether computer-assisted, interactive digital analysis of knee radiographs enables identification of different quantitative features of joint damage, and to evaluate the relationship of such features with each other and with clinical characteristics during 5-year followup in early osteoarthritis (OA). METHODS: Knee radiographs from the Cohort Hip and Cohort Knee (CHECK) study, including 1002 individuals with early OA complaints, were evaluated for different measures with knee images digital analysis (KIDA). To aid definition of different radiographic features of OA, principal component analysis of KIDA was used. Features were correlated (Pearson) to each other, evaluated for changes over time, and related to clinical outcome (Western Ontario and McMaster Universities Osteoarthritis Index for pain and function) using baseline, 2-year, and 5-year followup data. RESULTS: The identified radiographic features were joint space width (JSW: minimum, medial, lateral), varus angle, osteophyte area, eminence height, and bone density. The features progressed in severity at different times during followup: early (medial JSW, osteophyte area), late (minimum and lateral JSW, eminence height), and both early and late (varus angle, bone density). Correlations between different radiographic features varied between timepoints. The JSW features were most strongly related to each other (largest r = 0.82), but also, e.g., osteophytes and bone density were correlated (largest r = 0.33). The relationships with clinical outcome varied over time, but were most commonly found for osteophyte area and JSW. CONCLUSION: In this early OA cohort, different radiographic features were identified that progressed at different rates between timepoints. The relations between radiographic features and with clinical outcome varied over time. This implies that longitudinal evaluation of different features can improve insight into progression of 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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».