Dynamic Effects of Depressive Symptoms on Osteoarthritis Knee Pain
Notice bibliographique
Résumé
OBJECTIVE: To estimate the dynamic causal effects of depressive symptoms on osteoarthritis (OA) knee pain. METHODS: Marginal structural models were used to examine dynamic associations between depressive symptoms and pain over 48 months among older adults (n = 2,287) with radiographic knee OA (Kellgren/Lawrence grade 2 or 3) in the Osteoarthritis Initiative. Depressive symptoms at each annual visit were assessed (threshold ≥16) using the Center for Epidemiologic Studies Depression Scale. OA knee pain was measured using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain subscale, rescaled to range from 0 to 100. RESULTS: Depressive symptoms at each visit were generally not associated with greater OA knee pain at subsequent time points. Causal mean differences in WOMAC pain score comparing depressed to nondepressed patients ranged from 1.78 (95% confidence interval [95% CI] -0.73, 4.30) to 2.58 (95% CI 0.23, 4.93) within the first and fourth years, and the depressive symptoms by time interaction were not statistically significant (P = 0.94). However, there was a statistically significant dose-response relationship between the persistence of depressive symptoms and OA knee pain severity (P = 0.002). Causal mean differences in WOMAC pain score comparing depressed to nondepressed patients were 0.89 (95% CI -0.17, 1.96) for 1 visit with depressive symptoms, 2.35 (95% CI 0.64, 4.06) for 2 visits with depressive symptoms, and 3.57 (95% CI 0.43, 6.71) for 3 visits with depressive symptoms. CONCLUSION: The causal effect of depressive symptoms on OA knee pain does not change over time, but pain severity significantly increases with the persistence of depressed mood.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».