Pain Susceptibility Phenotypes in Those Free of Knee Pain With or at Risk of Knee Osteoarthritis: The Multicenter Osteoarthritis Study
Notice bibliographique
Résumé
OBJECTIVE: It is not clear why some individuals develop pain with knee osteoarthritis (OA). We undertook this study to identify pain susceptibility phenotypes (PSPs) and their relationship to incident persistent knee pain (PKP) 2 years later. METHODS: We identified individuals free of PKP from the Multicenter Osteoarthritis Study, a longitudinal cohort of older adults with or at risk of knee OA. Latent class analysis was used to determine PSPs that may contribute to development of PKP apart from structural pathology. These included widespread pain, poor sleep, and psychological factors as well as pressure pain threshold and temporal summation (TS) as determined by quantitative sensory testing (QST). We used logistic regression to evaluate the association of sociodemographic factors with PSPs and the relationship of PSPs to the development of PKP over 2 years. RESULTS: , 55% women). Four PSPs were identified, primarily characterized by varying proportions (low/absent, moderate, or high) of the presence of pressure pain sensitivity and of facilitated TS, reflecting different measures of sensitization. Subjects in the PSP with a high proportion of pressure pain sensitivity and a moderate proportion of facilitated TS were twice as likely to develop incident PKP over 2 years (odds ratio 1.98 [95% confidence interval 1.07-3.68]) compared with subjects in the PSP having a low proportion of sensitization by both measures. CONCLUSION: Four PSPs were identified, 3 of which were predominated by QST evidence of sensitization and 1 of which was associated with developing PKP 2 years later. Prevention or amelioration of sensitization may be a novel approach to preventing onset of PKP in OA.
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 | 0,003 | 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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».