Magnetic Resonance Imaging Bone Edema Is Not a Major Feature of Gout Unless There Is Concomitant Osteomyelitis: 10-year Findings from a High-prevalence Population
Notice bibliographique
Résumé
OBJECTIVE: Magnetic resonance imaging (MRI) is commonly used in autoimmune inflammatory arthritis to define disease activity and damage, but its role in gout remains unclear. The aim of our study was to identify and describe the MRI features of gout. METHODS: Over a 10-year period we identified patients with gout who underwent MRI scanning of the hands or feet. Scans were reviewed for erosions, synovitis, tenosynovitis, tendinosis, bone edema, and tophi by a musculoskeletal radiologist and 2 rheumatologists in a blinded manner. MRI features in patients with uncomplicated gout were compared with features where concomitant osteomyelitis was diagnosed. RESULTS: A total of 47 patients with gout (51 scans) were included: 33 (70%) had uncomplicated gout and 14 (30%) had gout complicated by osteomyelitis. MRI features included tophi in 36 scans (71%), erosions in 35 (69%), bone edema in 27 (53%), synovitis in 15 (29%), tenosynovitis in 8 (16%), and tendinosis in 2 (4%). Uncomplicated gout and gout plus osteomyelitis did not differ for most MRI features. However, "severe bone marrow edema" was much more common in gout plus osteomyelitis, occurring in 14/15 scans (93%) compared with 3/36 scans (8%) in uncomplicated gout (OR 154.0, 95% CI 14.7-1612, p < 0.0001). Sensitivity and specificity of "severe bone edema" for concomitant osteomyelitis were 0.93 (95% CI 0.68-0.99) and 0.92 (95% CI 0.78-0.98), respectively. CONCLUSION: MRI reveals that gout affects the joints, bones, and tendons. Bone edema in patients with chronic tophaceous gout is frequently mild and this contrasts with the "severe bone edema" observed in patients with concomitant osteomyelitis.
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 | 0,000 | 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 | 0,001 |
| 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 ».