Comparison of KOOS Scores of Middle-Aged Patients Undergoing Total Knee Arthroplasty to the General Dutch Population Using KOOS Percentile Curves: The LOAS Study
Notice bibliographique
Résumé
BACKGROUND: We aimed to investigate the application of the Knee Injury and Osteoarthritis Outcome Score (KOOS) percentile curves, using preoperative and postoperative data of patients with knee osteoarthritis undergoing total knee arthroplasty (TKA). METHODS: We used Longitudinal Leiden Orthopedics Outcomes of Osteo-Arthritis study data of patients between 45 and 65 years and undergoing primary TKA. KOOS scores (0-100) were obtained preoperatively and 6, 12, and 24 months after TKA. Preoperative knee radiographs were assessed according to Kellgren-Lawrence (KL) in a subset (37%) of patients. Comorbidities were self-reported using a standardized questionnaire. The median (interquartile range) population-level KOOS scores were plotted on previously developed population-based KOOS percentile curves. In addition, we assessed the application of the curves on patient level and investigated differences in scores between patients with preoperative KL scores ≤2 and ≥3 and presence (vs absence) of comorbidities. RESULTS: percentile 12 months postoperatively. Greater improvements were observed in pain and less improvements in sport and recreational function and quality of life. Patients with higher preoperative KL scores and without comorbidities showed greater improvements. CONCLUSION: The KOOS percentile curves provided visual insights in knee complaints of patients relative to the general population. Furthermore, the KOOS percentile curves give insight in how preoperative patient characteristics are correlated with postoperative results.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».