MétaCan
Menu
Retour à la cohorte
Enregistrement W2912991989 · doi:10.1002/acr.23854

Patient‐Reported Outcomes One to Five Years After Anterior Cruciate Ligament Reconstruction: The Effect of Combined Injury and Associations With Osteoarthritis Features Defined on Magnetic Resonance Imaging

2019· article· en· W2912991989 sur OpenAlexfundno aff
Brooke Patterson, Adam G Culvenor, Christian J. Barton, Ali Guermazi, Joshua J. Stefanik, Kay M. Crossley

Notice bibliographique

RevueArthritis Care & Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute of General Medical SciencesArthritis AustraliaNational Health and Medical Research CouncilUniversity of British ColumbiaUniversity of Melbourne
Mots-clésMagnetic resonance imagingOsteoarthritisAnterior cruciate ligamentAnterior cruciate ligament reconstructionMedicineAnterior Cruciate Ligament InjuriesPhysical medicine and rehabilitationPhysical therapyRadiologyPathologyAlternative medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Persistent symptoms and poor quality of life (QoL) are common following anterior cruciate ligament reconstruction (ACLR). We aimed to determine the influence of a combined ACL injury (i.e., concomitant meniscectomy and/or arthroscopic chondral defect at the time of ACLR and/or secondary injury/surgery to ACLR knee) and cartilage defects defined on magnetic resonance imaging (MRI), bone marrow lesions (BMLs), and meniscal lesions on patient-reported outcomes 1 to 5 years after ACLR. METHODS: A total of 80 participants (50 men; mean ± SD age 32 ± 14 years) completed the Knee Injury and Osteoarthritis Outcome Score (KOOS) and the International Knee Documentation Committee (IKDC) questionnaires as well as a 3T MRI assessment at 1 and 5 years after ACLR. Median patient-reported outcome scores were compared between isolated and combined ACL injuries and with published normative values. Using multivariate regression, we evaluated the association between compartment-specific MRI cartilage, BMLs, and meniscal lesions and patient-reported outcomes at 1 and 5 years. RESULTS: Individuals with a combined injury had significantly worse scores in the KOOS subscale of function in sport and recreation (KOOS sport/rec) and in the IKDC questionnaire at 1 year, and worse scores in the KOOS subscales of pain (KOOS pain), symptoms (KOOS symptoms), and QoL (KOOS QoL) and in the IKDC questionnaire at 5 years compared to those with an isolated injury. Although no feature on MRI was associated with patient-reported outcomes cross-sectionally at 1 year, patellofemoral cartilage defects at 1 year were significantly associated with worse 5-year KOOS symptoms (β = -9.79, 95% confidence interval [95% CI] -16.67, -2.91), KOOS sport/rec (β = -7.94, 95% CI -15.27, -0.61), KOOS QoL (β = -8.29, 95% CI -15.28, -1.29), and IKDC (β = -4.79, 95% CI -9.34, -0.24) scores. Patellofemoral cartilage defects at 5 years were also significantly associated with worse 5-year KOOS symptoms (β = -6.86, 95% CI -13.49, -0.24) and KOOS QoL (β = -11.71, 95% CI -19.08, -4.33) scores. CONCLUSION: Combined injury and patellofemoral cartilage defects shown on MRI are associated with poorer long-term outcomes. Clinicians should be vigilant and aware of individuals with these injuries, as such individuals may benefit from targeted interventions to improve QoL and optimize symptoms.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,277
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations39
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArthritis Care & ResearchMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207