Joint laxity and the relationship between muscle strength and functional ability in patients with osteoarthritis of the knee
Notice bibliographique
Résumé
OBJECTIVE: To establish the impact of knee joint laxity on the relationship between muscle strength and functional ability in osteoarthritis (OA) of the knee. METHODS: A cross-sectional study of 86 patients with OA of the knee was conducted. Tests were performed to determine varus-valgus laxity, muscle strength, and functional ability. Laxity was assessed using a device that measures the angular deviation of the knee in the frontal plane. Muscle strength was measured using a computer-driven isokinetic dynamometer. Functional ability was assessed by observation (100-meter walking test) and self report (Western Ontario and McMaster Universities Osteoarthritis Index [WOMAC]). Regression analyses were performed to assess the impact of joint laxity on the relationship between muscle strength and functional ability. RESULTS: In regression analyses, the interaction between muscle strength and joint laxity contributed to the variance in both walking time (P = 0.002) and WOMAC score (P = 0.080). The slope of the regression lines indicated that the relationship between muscle strength and functional ability (walking time, WOMAC) was stronger in patients with high knee joint laxity. CONCLUSION: Patients with knee OA and high knee joint laxity show a stronger relationship between muscle strength and functional ability than patients with OA and low knee joint laxity. Patients with OA, high knee joint laxity, and low muscle strength are most at risk of being disabled.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 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 ».