The presence of meniscal lesions is a strong predictor of neuropathic pain in symptomatic knee osteoarthritis: a cross-sectional pilot study
Notice bibliographique
Résumé
INTRODUCTION: Pain in osteoarthritis (OA) has been classically attributed to joint structural damage. Disparity between the degree of radiographic structural damage and the severity of symptoms implies that factors other than the joint pathology itself contribute to the pain. Peripheral and central sensitization have been suggested as two of the underlying mechanisms that contribute to pain in OA. The aim of this study was to explore in symptomatic knee OA patients, the structural changes assessed by magnetic resonance imaging (MRI) that could be used as markers of neuropathic pain (NP). METHODS: This cross-sectional observational pilot study included 50 knee OA patients with moderate to severe pain (VAS ≥40) in the target knee. The presence of NP was determined based on the PainDETECT questionnaire. Among the 50 patients included, 25 had PainDETECT score ≤12 (unlikely NP), 9 had PainDETECT score between 13 and 18 (uncertain NP) and 16 had PainDETECT score ≥19 (likely NP). WOMAC, PainDETECT, and VAS pain scores as well as knee MRI were assessed. RESULTS: Data showed no significant difference in demographic characteristics between the three groups. However, a positive and statistically significant association was found between the WOMAC pain (P <0.001), function (P <0.001), stiffness (P = 0.007) and total (P <0.001) scores as well as higher VAS pain score (P = 0.023), and PainDETECT scores. Although no difference was found in the cartilage volume between groups, the presence of meniscal extrusion in both medial (P = 0.006) and lateral (P = 0.023) compartments, and presence of meniscal tears in the lateral compartment (P = 0.011), were significantly associated with increasing PainDETECT score. Moreover, the presence of bone marrow lesions in the lateral plateau and the extent of the synovial membrane thickness in the lateral recess were associated with increasing PainDETECT scores (P = 0.032, P = 0.027, respectively). CONCLUSIONS: In this study, meniscal lesions, particularly extrusion, were found to be among the strongest risk factors for NP in knee OA patients. TRIAL REGISTRATION: ClinicalTrials.gov NCT01733277. Registered 16 November 2012.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».