Do Knee Moments Normalized to Measures of Knee Cartilage Area Better Classify the Severity of Knee Osteoarthritis?
Notice bibliographique
Résumé
Investigations of joint loading in knee osteoarthritis (OA) typically normalize the knee adduction moment to global measures of body size (eg, body mass, height) to allow comparison between individuals. However, such measurements may not reflect knee size. This study used a morphometric measurement of the cartilage surface area on the medial tibial plateau, which better represents medial knee size. This study aimed to determine whether normalizing the peak knee adduction moment and knee adduction moment impulse during gait to the medial tibial bone-cartilage interface could classify radiographic knee OA severity more accurately than traditional normalization techniques. Individuals with mild (N = 22) and severe (N = 17) radiographic knee OA participated. The medial tibial bone-cartilage interface was quantified from magnetic resonance imaging scans. Gait analysis was performed, and the peak knee adduction moment and knee adduction moment impulse were calculated in nonnormalized units and normalized to body mass, body weight × height, and the medial tibial bone-cartilage interface. Receiver operating characteristic curves compared the ability of each knee adduction moment normalization technique to classify participants according to radiographic disease severity. No normalization technique was superior at distinguishing between OA severities. Knee adduction moments normalized to medial knee size were not more sensitive to OA severity.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».