PREDICTION OF SYMPTOMS PROGRESSION FOR THE PATIENTS WITH KNEE OSTEOARTHRITIS BASED ON THE QUANTITATIVE STRUCTURAL FEATURES: DATA FROM THE FNIH OA BIOMARKERS CONSORTIUM
Notice bibliographique
Résumé
Cartilage repair can greatly alleviate the symptoms of the patients with knee osteoarthritis (KOA). However, some imaging results suggest that the patients with obvious cartilage repair may receive insignificant or even no improvement in their symptoms. This study aims to explore the possible reasons based on the structural feature of the knee joint and construct the models used to predict the progression of knee joint symptoms. 551 subjects from Osteoarthritis Biomarkers Consortium FNIH Project in the Osteoarthritis Initiative (OAI) were included and divided into training and test sets. A total of 153 structural features from five quantitative structural feature sets were included to access the structural characteristics of the knee joints. The Western Ontario and McMaster Universities (WOMAC) Osteoarthritis Index was used to evaluate the symptoms of the knee joints. A three-step feature selection method were used to screen the structural features. Finally, Naive Bayes (NB), logistic regression (LR), [Formula: see text]-nearest neighbor (KNN), support vector machine (SVM) and random forest (RF) models were constructed based on the selected features, and then compared using the receiver operating characteristic (ROC) curve. The distribution in the demographics and WOMAC symptoms scores of the participants was consistent in the training and test sets. Two demographic features and several structural features were selected using the three-step feature selection method. Among the constructed models, the models used for the progression prediction of pain, stiffness and total scores were better than that of physical function. The performance of RF model was the best while SVM model was the second best, and the performance of the remaining three models in predicting the progression of knee symptoms is indistinguishable. Structural feature-based models for the prediction of knee joint symptoms’ progression were constructed and compared. The constructed model showed good feasibility and accuracy, and may assist clinicians to predict the occurrence or progression of the knee joints symptoms in the evaluation and prognosis of cartilage repair.
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 | 0,001 | 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) | 0,001 | 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 ».