Usefulness of WOMAC index as a screening tool for knee osteoarthritis among patients attending a rural health care center in Tamil Nadu
Notice bibliographique
Résumé
Background: Osteoarthritis is the eighth leading cause of disability and a degenerative disease that worsens over time. Hence, early diagnosis and treatment remains the key in the management of Osteoarthritis. The aim and objective of the study was to evaluate the usefulness of WOMAC index for screening Osteoarthritis among the patients older than 50 years of age attending a Rural Health Centre.Methods: A cross sectional study was done among patients complaining of knee pain who visited a rural centre between June-August 2016. Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) was applied to all participants with knee pain to assess risk for OA. Also, American College of Rheumatology criteria (ACR) was used as a standard. Descriptive statistics were used. Chi-square test with Odds Ratio was calculated to find out of the strength of association. To test the agreement of WOMAC score with ACR Clinical Criteria, McNemar’s test analysis was done.Results: Out of 103 study subjects 45 were males and 58 were females. According to WOMAC Index Scores, 20 (19.4%) subjects belonged to high risk (score ≥81) and 38 (39.6%) subjects belonged to moderate risk (score 60 - 80). The Mean±SD WOMAC Score was 64.40±15.2. Age group [OR 2.85; 95% CI 1.25-6.48) and gender [OR 2.29; 95% CI 1.01-5.24) were significantly associated with WOMAC score percentage. Comparing WOMAC score percentages with ACR criteria for knee OA revealed statistically significant agreement (p-value, 0.009) which indicated the diagnostic accuracy of WOMAC index.Conclusions: WOMAC Index can be a useful screening tool for people at risk for Osteoarthritis and will help in identifying the disease early.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».