Diagnosis of early stage knee osteoarthritis based on early clinical course: data from the CHECK cohort
Notice bibliographique
Résumé
BACKGROUND: Early diagnosis of knee osteoarthritis (OA) is important in managing this disease, but such an early diagnostic tool is still lacking in clinical practice. The purpose of this study was to develop diagnostic models for early stage knee OA based on the first 2-year clinical course after the patient's initial presentation in primary care and to identify whether these course factors had additive discriminative value over baseline factors. METHODS: We extracted eligible patients' clinical and radiographic data from the CHECK cohort and formed the first 2-year course factors according to the factors' changes over the 2 years. Clinical expert consensus-based diagnosis, which was made via evaluating patients' 5- to 10-year follow-up data, was used as the outcome factor. Four models were developed: model 1, included clinical course factors only; model 2, included clinical and radiographic course factors; model 3, clinical baseline factors + clinical course factors; and model 4, clinical and radiographic baseline factors + clinical and radiographic course factors. All the models were built by a generalized estimating equation with a backward selection method. Area under the receiver operating characteristic curve (AUC) and its 95% confidence interval (CI) were calculated for assessing model discrimination. Delong's method compared AUCs. RESULTS: Seven hundred sixty-one patients with 1185 symptomatic knees were included in this study. Thirty-seven percent knees were diagnosed as OA at follow-up. Model 1 contained 6 clinical course factors; model 2: 6 clinical and 3 radiographic course factors; model 3: 6 baseline clinical factors combined with 5 clinical course factors; and model 4: 4 clinical and 1 radiographic baseline factors combined with 5 clinical and 3 radiographic course factors. Model discriminations are as follows: model 1, AUC 0.70 (95% CI 0.67-0.74); model 2, 0.74 (95% CI 0.71-0.77); model 3, 0.77 (95% CI 0.74-0.80); and model 4, 0.80 (95% CI 0.77-0.82). AUCs of model 3 and model 4 were slightly but significantly higher than corresponding baseline-factor models (model 3 0.77 vs 0.75, p = 0.031; model 4 0.80 vs 0.76, p = 0.003). CONCLUSIONS: Four diagnostic models were developed with "fair" to "good" discriminations. First 2-year course factors had additive discriminative value over baseline factors.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».