Tool for osteoarthritis risk prediction (TOARP) over 8 years using baseline clinical data, X‐ray, and MRI: Data from the osteoarthritis initiative
Notice bibliographique
Résumé
Background Osteoarthritis (OA), a multifactorial disease causing joint degeneration, often leads to severe disability. The rising rates of disability highlight the need for implementing preventative measures at early stages of the disease, which would especially benefit subjects at high risk for OA development. Purpose To develop a risk prediction tool for moderate‐severe OA (TOARP) over 8 years based on subject characteristics, knee radiographs, and MRI data at baseline using data from the Osteoarthritis Initiative (OAI). Study Type Retrospective. Subjects 641 subjects with no/mild radiographic OA (Kellgren–Lawrence [KL] 0–2) and no clinically significant symptoms (Western Ontario and McMaster Universities Arthritis Index [WOMAC] 0–1) were selected from the OAI. Field Strength/Sequence MR images were obtained using 3.0T. Assessment Compartment‐specific cartilage and meniscus morphology and cartilage T 2 were assessed. Baseline subject demographics, risk factors, KL score, cartilage WORMS score, presence of meniscus tear, and cartilage T 2 were used to predict the development of moderate/severe OA (KL = 3–4 or WOMAC pain ≥5 or total knee replacement [TKR]) over 8 years. Statistical Tests Best subsets variable selection followed by cross‐validation were used to assess which combinations of variables best predict moderate/severe OA. Results Model 1 included KL score, previous knee injury in the last 12 months, age, gender, and BMI. Model 2 included all variables in Model 1 plus presence of cartilage defects in the lateral femur and patella, and presence of a meniscal tear. Model 3 included all variables in Models 1 and 2, plus cartilage T 2 in the medial tibia and medial femur. Compared to Model 1 (cross‐validated AUC = 0.67), Model 3 performed significantly better (AUC = 0.72, P = 0.04), while Model 2 showed a statistical trend (AUC = 0.71, P = 0.08). Data Conclusion We established a risk calculator for the development of moderate/severe knee OA over 8 years that includes radiographic and MRI data. The inclusion of MRI‐based morphological abnormalities and cartilage T 2 significantly improved model performance. Level of Evidence: 2 Technical Efficacy: Stage 3 J. Magn. Reson. Imaging 2018;47:1517–1526.
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 | 0,002 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».