MétaCan
Menu
Retour à la cohorte
Enregistrement W2794942042 · doi:10.1186/s13075-018-1538-7

Exploring determinants predicting response to intra-articular hyaluronic acid treatment in symptomatic knee osteoarthritis: 9-year follow-up data from the Osteoarthritis Initiative

2018· article· en· W2794942042 sur OpenAlexaffabout
Jean‐Pierre Pelletier, Jean‐Pierre Raynauld, F. Abram, Marc Dorais, Philippe Delorme, Johanne Martel‐Pelletier

Notice bibliographique

RevueArthritis Research & Therapy · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesNovartis Pharmaceuticals CorporationOhio State UniversityGlaxoSmithKlineUniversity of PittsburghJohns Hopkins UniversityPfizerNIH Clinical CenterNational Institutes of HealthU.S. Department of Health and Human ServicesSanofiFoundation for the National Institutes of Health
Mots-clésOsteoarthritisMedicineRheumatologyHyaluronic acidPhysical therapyInternal medicineOrthopedic surgerySurgeryPathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The weight of recommendation for intra-articular therapies such as hyaluronic acid injections varies from one set of guidelines to another, and they have not yet reached unanimity with respect to the usefulness of intra-articular hyaluronic acid (IAHA) injections for the symptomatic treatment of knee osteoarthritis (OA). Among the reasons for the controversy is that the current literature provides inconsistent results and conclusions about such treatment. This study aimed at identifying determinants associated with a better response to IAHA treatment in knee OA. METHODS: Subjects were selected from the Osteoarthritis Initiative database. Participants were subjects who had radiographic OA, received one IAHA treatment, and had data on demographics and Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) scores at visits before (T0) and after (T1; within 6 months) treatment. Pain was analyzed for demographic, clinical, and imaging characteristics at T0 and change over time (T0 to T1). Subjects with WOMAC pain > 0 at T0 were subdivided into Low, Moderate, and High pain groups based on tertile analysis. Further analyses were done with the High pain group (score ≥ 8), which was divided into responders (improvement in pain ≥ 20%) and nonresponders (unchanged or worsening of pain). RESULTS: Participants (n = 310) received a total of 404 treatments (one per knee). In the Low and Moderate pain groups vs the High pain group, participants had significantly lower score at T0 (p < 0.001), and the Low vs High pain group had significantly lower BMI (p = 0.002), greater joint space width (JSW) (p = 0.010) and knee cartilage volume (p ≤ 0.009), and smaller synovial effusion (p = 0.033). In the High pain group, responders vs nonresponders were usually younger (p = 0.014), with greater cartilage volume in the medial compartment (p = 0.046), a trend toward greater JSW, and a significant improvement in all WOMAC scores (p < 0.001), while nonresponders showed worsening of symptoms. CONCLUSIONS: This study identified reliable predictive determinants that can distinguish patients who could best benefit from IAHA treatment: high levels of knee pain, younger, and less severe structural damage. These could be implemented in clinical practice as a useful guide for physicians.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,362
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArthritis Research & TherapyMême sujetOsteoarthritis Treatment and MechanismsTravaux en français237 207