Ultrasonography findings in knee osteoarthritis: a prospective observational cross-sectional study of 100 Patients
Notice bibliographique
Résumé
Introduction: Worldwide, knee osteoarthritis (KOA) accounts for 2.2% of total years lived with disability. There is low correlation between joint tissue damage and pain intensity. Periarticular structures may be involved and cannot be identified in X-rays. Objectives: To describe the main ultrasonography (USG) changes in symptomatic patients with primary KOA; to correlate number of USG findings with KOA severity assessed by Kellgren and Lawrence (K&L) radiological scores, with pain intensity measured by a visual analogue scale (VAS) and with functioning scores assessed with Timed up and go test (TUG) and Western Ontario and McMaster Universities (WOMAC) questionnaire. Methods: 100 patients with primary symptomatic KOA were assessed with X-ray and USG. Quantitative and qualitative analyses were evaluated in a systematic manner. Results: The most frequent findings were joint effusion, pes anserinus bursitis, quadriceps tendon enthesopathy, popliteal cyst, iliotibial band tendinitis and patellar tendinitis. Pearson’s correlation analysis demonstrated a significant moderate positive association between VAS scores and number of USG findings (r=0.36; p<0.0001). The number of USG findings was different between K&L grades I and III (p=0.041), I and IV (p<0.001), and II and IV (p=0.001, ANOVA with Bonferroni correction). There was significant association between number of USG findings and TUG (r=0.18; p=0.014) and WOMAC scores for pain (r=0.16; p<0.029) and physical function domains (r=0.16; p<0.028). Conclusion: The most frequent USG finding was joint effusion. Periarticular structures should be explored as potential sources of pain and disability.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».