Principal component analysis in the evaluation of osteoarthritis
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study is to demonstrate advantages of principal component analysis (PCA) as a standardized procedure in the evaluation of osteoarthritis (OA) in a skeletal series to: (1) compute aggregate scores for joint complexes that accurately capture pathological expression, (2) reveal which variables describe the most sample variation in OA, (3) enable inter- and intra-sample comparison of results, and (4) formulate predictive models from component-based arthritic scores. MATERIALS AND METHODS: The sample (144 males, 145 females) is drawn from a large skeletal cemetery collection of modern Europeans of known sex, age, and occupation. OA data was collected using standard ranked categorical scoring. PCA was conducted separately on lumbar spine, pelvis, and knee regions to generate composite OA scores from eigenequations of the first and second principal components (PC). RESULTS: Results demonstrate that as severity in OA increases, so does the distribution of OA within the joint surface. In each region, PCA produced the same general pattern with eburnation scoring driving significant changes in composite OA scores, representing earlier to later stages of cartilage degeneration. The distribution of arthritic traits determined by PCA produced an OA score that quantifies the expression of joint changes in varied biological joint structures from most moveable to least mobile, the final stage being joint fusion. OA scores are most highly variable in the lumbar region for both males and females, as compared to the pelvis and knee. CONCLUSIONS: PCA is a simple, non-parametric method of extracting relevant information from complex OA datasets and summarizes variation based on correlated multi-attributes to reveal a simplified structure of OA expression. Multivariate techniques like PCA should be used to describe discrete OA samples, and are useful to compute population-specific representative measurements for idiopathic joint OA in a skeletal sample.
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 | 0,012 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».