Impact of self-reported comorbidity on physical and mental health status in early symptomatic osteoarthritis: the CHECK (Cohort Hip and Cohort Knee) study
Notice bibliographique
Résumé
OBJECTIVE: To describe the relationship between comorbidity (absolute number as well as the presence of specific comorbidities) and pain, physical functioning and mental health status of participants with early symptomatic OA of the hip or knee. METHODS: In the Netherlands, a prospective 10-year follow-up study was initiated by the Dutch Arthritis Association in participants with early symptomatic OA of the hip or knee: CHECK (Cohort Hip and Cohort Knee), which consists of 1002 individuals. At baseline, linear regression analysis was used to determine the influence of comorbidity on the outcome variables: Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain, WOMAC physical functioning, Medical Outcomes Study Short Form 36 (SF-36) Physical Component Summary and Mental Component Summary. RESULTS: Of 979 subjects, 67% reported one or more comorbidities. After controlling for age, gender, social status and severity of radiographic OA (Kellgren and Lawrence score), back disorders have the largest effect on WOMAC pain and physical functioning, and one of the largest effects on physical status of SF-36, besides obesity. Mental status was negatively influenced by the additional presence of duodenal ulcer, thyroid disease, and migraine or chronic headache. CONCLUSION: In early stage of OA, the presence of additional problems in the musculoskeletal system and of obesity have a negative effect on pain and physical health status. Also mental status is affected in early symptomatic OA by the presence of specific comorbidities. Comorbidity should be assessed and treated to improve the burden of illness in patients with early symptomatic OA.
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 | 0,000 | 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 ».