The contribution of age and obesity to the number of painful joint sites in individuals reporting osteoarthritis: a population-based study
Notice bibliographique
Résumé
OBJECTIVE: To investigate the association of OA risk factors with number of painful joint sites in a representative population sample. METHODS: Analysis of the 2009 Survey on Living with Chronic Diseases in Canada - Arthritis Component (n = 1614) for respondents reporting symptomatic OA. Variables: painful joints sites (hands, wrists, elbows, shoulders, hips, knees, ankles, feet, back, neck), joint symptom duration, sociodemographic characteristics, smoking, comorbidities and BMI. Zero-truncated negative binomial regressions were used to investigate the association between number of painful joint sites and the variables. Generalizability of findings was assessed by a similar analysis in a clinical hip/knee OA sample. RESULTS: The sample comprised 73% women and 56% were aged <65 years. The mean number of painful joint sites was 3.8: 84% reported pain at ≥2 sites, and 45% at ≥4 sites. Age, BMI, education and smoking were not associated with the number of joint sites. Significant associations were found with being female [rate ratio (RR) = 1.23, 95% CI 1.09, 1.39], having more comorbidities (RR = 1.11, 95% CI 1.07, 1.15) and longer symptom duration (RR = 1.16, 95% CI 1.09, 1.24), although the increase in joint sites with duration was small. Similar regression results were found with the clinical OA sample. CONCLUSION: The lack of an association of age and BMI (obesity) with number of painful joint sites in OA raises questions about the role of these risk factors and our understanding of OA as a multi-joint disease. Filling this knowledge gap is critical to making progress with defining OA phenotypes and identifying potential aetiological mechanisms.
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 | 0,001 |
| 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 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 ».