Baseline knee adduction moment interacts with body mass index to predict loss of medial tibial cartilage volume over 2.5 years in knee Osteoarthritis
Notice bibliographique
Résumé
ABSTRACT This study aimed to determine the extent to which changes over 2.5 years in medial knee cartilage thickness and volume were predicted by: (1) Peak values of the knee adduction (KAM) and flexion moments; and (2) KAM impulse and loading frequency, representing cumulative load, after controlling for age, sex and body mass index (BMI). Adults with clinical knee osteoarthritis participated. At baseline and approximately 2.5 years follow‐up, cartilage thickness and volume of the medial tibia and femur were segmented from magnetic resonance imaging scans. Gait kinematics and kinetics, and daily knee loading frequency were also collected at baseline. Multiple linear regressions predicted changes in cartilage morphology from baseline gait mechanics. Data were collected from 52 participants (41 women) [age 61.0 (6.9) y; BMI 28.5 (5.7) kg/m 2 ] over 2.56 (0.51) years. There were significant KAM peak‐by‐BMI ( p = 0.023) and KAM impulse‐by‐BMI ( p = 0.034) interactions, which revealed that larger joint loads in those with higher BMIs were associated with greater loss of medial tibial cartilage volume. In conclusion, with adjustments for age, sex, and cartilage measurement at baseline, large magnitude KAM peak and KAM impulse each interacted with BMI to predict loss of cartilage volume of the medial tibia over 2.5 years among individuals with knee osteoarthritis. These data suggest that, in clinical knee osteoarthritis, exposure to large KAMs may be detrimental to cartilage in those with larger BMIs. © 2017 Orthopaedic Research Society. Published by Wiley Periodicals, Inc. J Orthop Res 35:2476–2483, 2017.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».