Knee Osteoarthritis Prevalence in Hospitalized Elderly Patients: A Retrospective Study
Notice bibliographique
Résumé
This study aimed to determine the prevalence rate of knee osteoarthritis (OA) and the risk factors for OA in hospitalized elderly patients. We conducted this retrospective study in elderly patients (aged 65 years and older) who were hospitalized in the Geriatric Ward of General Hospital of Guangzhou Military Command of the People's Liberation Army between January 2011 and June 2013, including general condition, present history, past history, physical examination, X-ray results, and disease diagnosis. The prevalence, awareness, and treatment rates of knee OA in hospitalized elderly patients were calculated. Risk factors were computed using multiple logistic regression analysis. Of a total of 267 (17.4%) hospitalized elderly patients diagnosed with knee OA, the prevalence rate of OA was 9.95% in males and 37.76% in females. The rate of awareness among those with OA was 51.68%; the rate of treatment was 83.33%; and the rate of control was 77.39%. The medical expenses for both females (1143±315 yuan month-1) and males (1192±357 yuan month-1) in knee OA patients are higher than that of the non-knee OA group (989±274 yuan month-1, 1038±295 yuan month-1). The risk factors for knee OA include gender (OR=2.448), age (OR=1.124), transportation mode (OR= 8.972), exercise (OR=7.374), bowel evacuation position (OR=5.767), family history of knee OA (OR=2.195), and body mass index (OR=2.469). The prevalence of knee OA is unexpectedly high in hospitalized elderly patients, and the rates of awareness and treatment are less than desirable. Prevention and control measures should be taken in patients with concomitant risk factors.
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 | 0,001 |
| 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) | 0,000 | 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 ».