Towards developing diagnostic criteria for early knee osteoarthritis: data from the CHECK study
Notice bibliographique
Résumé
OBJECTIVES: There is a general consensus that a shift in focus towards early diagnosis and treatment of knee OA is warranted. However, there are no validated and widely accepted diagnostic criteria for early knee OA available. The current study aimed to take the first steps towards developing diagnostic criteria for early knee OA. METHODS: Data of 761 individuals with 1185 symptomatic knees at baseline were selected from the CHECK study. For CHECK, individuals with pain/stiffness of the knee, aged 45-65 years, who had no prior consultation or a first consultation with the general practitioner for these symptoms in the past 6 months were recruited and followed for 10 years. A group of 36 experts (17 general practitioners and 19 secondary care physicians) evaluated the medical records in pairs to diagnose the presence of clinically relevant knee OA 5-10 years after enrolment. A backward selection methods was used to create predictive models based on pre-defined baseline factors from history taking, physical examination, radiography and blood testing, using the experts' diagnoses as gold standard outcome. RESULTS: Prevalence of clinically relevant knee OA during follow-up was 37%. Created models contained 7-11 baseline factors and obtained an area under the curve between 0.746 (0.002) and 0.764 (0.002). CONCLUSION: The obtained diagnostic models for early knee OA had 'fair' predictive ability in individuals presenting with knee pain in primary care. Further modelling and validation of the identified predictive factors is required to obtain clinically feasible and relevant diagnostic criteria for early knee 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».