Association of weight gain with incident knee pain, stiffness, and functional difficulties: A longitudinal study
Notice bibliographique
Résumé
OBJECTIVE: To examine the longitudinal association between significant weight change and change in knee symptoms (pain, stiffness, and function), and to determine whether the effects differ in those who are obese and those with osteoarthritis (OA). METHODS: Two hundred fifty subjects ranging from normal weight to obese (body mass index range 16.9-59.1 kg/m(2) ) and no significant musculoskeletal disease were recruited from the general community and weight loss clinics and organizations. Seventy-eight percent were followed at ~2 years. Weight, height, and knee symptoms (using the Western Ontario and McMaster Universities Osteoarthritis Index) were assessed at baseline and followup. Any weight loss methods were recorded. RESULTS: Thirty percent of subjects lost ≥5% of baseline weight, 56% of subjects' weight remained stable (loss or gain of <5% of baseline weight), and 14% of subjects gained ≥5% of baseline weight. Using estimated marginal means, weight gain was associated with worsening pain (mean 27.1 mm; 95% confidence interval [95% CI] -1.1, 55.2), stiffness (mean 18.4 mm; 95% CI 1.5, 35.3), and function (mean 99.3 mm; 95% CI 4.0, 194.6) compared to stable weight. Weight loss was associated with reduced pain (mean -22.4 mm; 95% CI -44.4, -0.3), stiffness (mean -15.3 mm; 95% CI -28.50, -2.0), and function (mean -73.2 mm; 95% CI -147.9, 1.3) compared to stable weight. CONCLUSION: Weight gain was associated with adverse effects on knee symptoms, particularly in those who are obese and who have OA. Although losing weight is potentially beneficial for symptom improvement, the effects were more modest. Avoiding weight gain is important in managing knee symptoms.
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) | 0,000 | 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 ».