A multivariate relationship between the kinematic and clinical parameters of knee osteoarthritis population
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
BACKGROUND: Biomechanical and clinical parameters contribute very closely to functional evaluations of the knee joint. To better understand knee osteoarthritis joint function, the association between a set of knee biomechanical data and a set of clinical parameters of an osteoarthritis population (OA) is investigated in this study. METHODS: The biomechanical data used here are a set of characteristics derived from 3D knee kinematic patterns: flexion/extension, abduction/adduction, and tibial internal/external rotation measurements, all determined during gait recording. The clinical parameters include a KOOS questionnaire and the patient's demographic characteristics. Canonical correlation analysis (CCA) is used (1) to evaluate the multivariate relationship between biomechanical data and clinical parameter sets, and (2) to cluster the most correlated parameters. Multivariate models were created within the identified clusters to determine the effect of each parameter's subset on the other. The analyses were performed on a large database containing 166 OA patients. RESULTS: The CCA results showed meaningful correlations that gave rise to three different clusters. Multivariate linear models were found explaining the subjective clinical parameters by evaluating the biomechanical data contained within each cluster. CONCLUSION: The results showed that a multivariate analysis of the clinical symptoms and the biomechanical characteristics of knee joint function allowed a better understanding of their relationships.
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 | 0,001 |
| 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) | 0,000 | 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 découle