COMPARING QUALITY OF LIFE AMONG PEOPLE WITH DIFFERENT PATTERNS AND SEVERITIES OF KNEE OSTEOARTHRITIS
Notice bibliographique
Résumé
Objective: To identify what extent different patterns and severities of involvement affect quality of life of people suffering knee osteoarthritis. Methods: This population-based survey involved 288 women and 288 men aged 40 years or older from Songkhla province, southern Thailand. Quality of life was measured using the Medical Outcome Study Short Form Health sutvery (SF-36) and Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). Radiographic investigation included antero-posterior and skyline view of both knees. Osteoarthritis was categorized into 3 patterns; isolated patellofemoral, isolated tibiofemoral and combined with diagnosis based on Kellgren & Lawrence grade 2 or higher. Results: Quality of life as measured by SF-36 and WOMAC showed poorer score in moderate or severe grade than in mild grade of severity. Isolated patellofemoral and combined patterns demonstrated showed poorer scores on both WOMAC and SF-36 than isolated tibiofemoral pattern. Body mass index, income level and pattern of involvement could independently predict total scores of WOMAC, while age, marital status and pattern of involvement affected total score of SF-36. Conclusion: Pattern of involvement is a better predictor of quality of life than disease severity in patients with knee osteoarthritis.
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 | 0,000 |
| 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 ».