Towards secondary prevention of early knee osteoarthritis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Osteoarthritis (OA) of the knee is the most common arthritic disease, yet a convincing drug treatment is not available. The current narrative review focuses on integration of scientific evidence and professional experience to illustrate which management approaches can be taken for prototypical individual patient profiles with early knee OA. Animal models suggest that: (1) OA can progress even in the presence of fully recovered movement kinetics, kinematics and muscle activation patterns; (2) muscle weakness is an independent risk factor for the onset and possibly the rate of progression of knee OA; (3) onset and progression of OA are not related to body weight but appear to depend on the percentage of body fat. From studies in the human model, one could postulate that risk factors associated with progression of knee OA include genetic traits, preceding traumatic events, obesity, intensity of pain at baseline, static and dynamic joint malalignment and reduced muscle strength. Taken this into account, an individual can be identified as early knee OA at high risk for disease progression. A holistic patient-tailored management including education, supportive medication, weight loss, exercise therapy (aerobic, strengthening and neuromuscular) and behavioural approaches to improve self-management of early knee OA is discussed in individual prototypic patients. Secondary prevention of early knee OA provides a window of opportunity to slow down or even reverse the disease process. Yet, as the sheer number of patients early in the OA disease process is probably large, a more structured approach is needed to provide appropriate care depending on the patient's individual risk profile.
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.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 découle