Metabolic Syndrome and the Functional Outcomes of Hip and Knee Arthroplasty
Notice bibliographique
Résumé
OBJECTIVE: Patients with an elevated systemic inflammatory state are known to report greater pain with knee osteoarthritis (OA). We investigated the influence of risk factors of metabolic syndrome (MetS) on patient function before and after hip and knee replacement surgery. METHODS: A total of 677 consecutive patients with primary knee replacement and 547 consecutive patients with primary hip replacement with at least one MetS risk factor were reviewed from our joint registry. Demographic variables of age, sex, and comorbidity were retrieved. MetS risk factors were defined as body mass index (BMI) > 30 kg/m(2), diabetes, hypertension, and hypercholesterolemia. Baseline and 1-year Western Ontario McMaster University Osteoarthritis Index (WOMAC) scores were compared across patients by number of MetS risk factors, ranging from 1 to 4. Linear regression modeling was used to evaluate the effects of the MetS risk groups and the individual metabolic abnormalities on predicting baseline and 1-year WOMAC scores. Knee and hip patients were reviewed separately. RESULTS: The knee and hip patients showed a significant difference in sex distribution, BMI, and mean comorbidity across risk groups (p < 0.05). Unadjusted analysis showed that baseline and 1-year WOMAC scores, for both knee and hip patients, increased significantly with increasing number of MetS risk factors (p < 0.05). The linear regression model with the individual metabolic abnormalities was found to be more predictive of outcome than one with the number of MetS risk factors. Hypertension and obesity were the metabolic factors most predictive of a poorer outcome following hip surgery as compared to just obesity for knee patients. CONCLUSION: Patient function following joint replacement surgery, particularly hip surgery, is negatively affected by metabolic abnormalities perhaps secondary to the systemic proinflammatory state. This knowledge should be used when counseling patients prior to surgery.
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 | 0,002 |
| 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) | 0,001 | 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 ».