CAM use among overweight and obese persons with radiographic knee osteoarthritis
Notice bibliographique
Résumé
BACKGROUND: Obesity is associated with knee pain and is an independent predictor of incident knee osteoarthritis (OA); increased pain with movement often leads patients to adopt sedentary lifestyles to avoid pain. Detailed descriptions of pain management strategies by body mass index (BMI) level among OA patients are lacking. The objectives were to describe complementary and alternative medicine (CAM) and conventional medication use by BMI level and identify correlates of CAM use by BMI level. METHODS: Using Osteoarthritis Initiative baseline data, 2,675 patients with radiographic tibiofemoral OA in at least one knee were identified. Use of CAM therapies and conventional medications was determined by interviewers. Potential correlates included SF-12, CES-D, Western Ontario and McMaster Universities Osteoarthritis Index, and Knee injury and Osteoarthritis Outcome Score quality of life. Multinomial logistic regression models adjusting for sociodemographic and clinical factors provided estimates of the association between BMI levels and treatment use; binary logistic regression identified correlates of CAM use. RESULTS: BMI was inversely associated with CAM use (45% users had BMI ≥35 kg/m²; 54% had BMI <25 kg/m²), but positively associated with conventional medication use (54% users had BMI ≥35 kg/m²; 35.1% had BMI <25 kg/m²). Those with BMI ≥30 kg/m² were less likely to use CAM alone or in combination with conventional medications when compared to patients with BMI <25 kg/m². CONCLUSIONS: CAM use is common among people with knee OA but is inversely associated with BMI. Understanding ways to further symptom management in OA among overweight and obese patients is warranted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».