Knee pain and future decline in higher-level functional competence in community-dwelling older Japanese: the Kurabuchi cohort study
Notice bibliographique
Résumé
BACKGROUND: The effect of knee osteoarthritis, which causes knee pain, on higher-level functional competence (HLFC) is not clear. OBJECTIVE: To clarify the effect of knee pain on HLFC in older people. DESIGN: Community-based prospective cohort study. SETTING: Kurabuchi town, Gumma prefecture, Japan. SUBJECTS: Community-dwelling individuals aged 65 and older. METHODS: A total of 808 residents participated to the baseline examinations. The frequency of knee pain, degree of pain and functional impairment resulting from the pain were asked at baseline (2005-2006) via a self-administered questionnaire in Japanese based on an English version of the Western Ontario and McMaster Universities Osteoarthritis Index. Information on HLFC at baseline and during home visits were collected annually until 2014 with the Tokyo Metropolitan Institute of Gerontology Index of Competence. The association between baseline knee pain and HLFC decline was assessed with a Cox proportional hazards model. RESULTS: Two factors, persistent knee pain and severe functional impairment caused by the pain, were significantly associated with future declines in total HLFC, with adjusted hazard ratios (95% confidence intervals) of 1.51 (1.08-2.11) and 1.49 (1.10-2.00). In analysis by subcategory, persistent knee pain had a significant adverse effect on participants' intellectual and social activities, and that severe physical functional impairment also had a significant impact on social activities. CONCLUSIONS: The clear association of the frequency of knee pain and resultant functional impairment with future HLFC decline indicates that collecting information about these factors may be useful in identifying older people at high risk of future HLFC decline.
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 | 0,001 | 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) | 0,000 | 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 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 ».