Diagnostic Performance of Clinical Examination Measures and Pain Presentation to Identify Patellofemoral Joint Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: To assess the diagnostic performance of a comprehensive set of tests and measures to discriminate patellofemoral (PF) from tibiofemoral (TF) osteoarthritis (OA). METHODS: The Clinical Assessment of the Knee Study is a study of knee pain in the general population. The presence of PF crepitus and pain with PF compression were assessed. Anterior knee pain was determined using a knee pain map. Pain with climbing/descending stairs and walking on level ground were assessed with the Western Ontario and McMaster Universities Osteoarthritis Index. Radiographs were used to define the compartment(s) of the knee affected by OA (no OA, isolated/predominant PF joint OA, and isolated/predominant TF joint OA). In knees with mixed OA, knees with more severe PF joint OA were included in the isolated/predominant PF group (the same was done for TF joint OA). We determined the sensitivity, specificity, positive predictive value (PPV), negative predictive value, and positive likelihood ratio (LR+) for each test and measure individually, and the combination of these measures, in distinguishing knees with PF joint OA from knees with TF joint OA or no OA. RESULTS: There were 745 knees included in the study. No measure had high sensitivity and specificity. Pain with climbing/descending stairs had the greatest sensitivity (90%) but poor specificity (15%). The combination of definite crepitus with no pain on walking had the greatest specificity (96%), PPV (53%), and LR+ (1.8), but poor sensitivity (7%). CONCLUSION: Typical clinical examination findings and knee pain patterns commonly thought to represent underlying PF joint pathology do not discriminate knees with PF joint OA from knees without OA or TF joint OA.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».