Long term evaluation of disease progression through the quantitative magnetic resonance imaging of symptomatic knee osteoarthritis patients: correlation with clinical symptoms and radiographic changes
Notice bibliographique
Résumé
The objective of this study was to further explore the cartilage volume changes in knee osteoarthritis (OA) over time using quantitative magnetic resonance imaging (qMRI). These were correlated with demographic, clinical, and radiological data to better identify the disease risk features. We selected 107 patients from a large trial (n = 1,232) evaluating the effect of a bisphosphonate on OA knees. The MRI acquisitions of the knee were done at baseline, 12, and 24 months. Cartilage volume from the global, medial, and lateral compartments was quantified. The changes were contrasted with clinical data and other MRI anatomical features. Knee OA cartilage volume losses were statistically significant compared to baseline values: -3.7 +/- 3.0% for global cartilage and -5.5 +/- 4.3% for the medial compartment at 12 months, and -5.7 +/- 4.4% and -8.3 +/- 6.5%, respectively, at 24 months. Three different populations were identified according to cartilage volume loss: fast (n = 11; -13.2%), intermediate (n = 48; -7.2%), and slow (n = 48; -2.3%) progressors. The predictors of fast progressors were the presence of severe meniscal extrusion (p = 0.001), severe medial tear (p = 0.005), medial and/or lateral bone edema (p = 0.03), high body mass index (p < 0.05, fast versus slow), weight (p < 0.05, fast versus slow) and age (p < 0.05 fast versus slow). The loss of cartilage volume was also slightly associated with less knee pain. No association was found with other Western Ontario McMaster Osteoarthritis Index (WOMAC) scores, joint space width, or urine biomarker levels. Meniscal damage and bone edema are closely associated with more cartilage volume loss. These data confirm the significant advantage of qMRI for reliably measuring knee structural changes at as early as 12 months, and for identifying risk factors associated with OA progression.
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) | 0,001 | 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 | 0,001 | 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 ».