Open MRI assessment of anterior femoroacetabular clearance in active and passive impingement-provoking postures
Notice bibliographique
Résumé
AIMS: Cam and pincer morphologies are potential precursors to hip osteoarthritis and important contributors to non-arthritic hip pain. However, only some hips with these pathomorphologies develop symptoms and joint degeneration, and it is not clear why. Anterior impingement between the femoral head-neck contour and acetabular rim in positions of hip flexion combined with rotation is a proposed pathomechanism in these hips, but this has not been studied in active postures. Our aim was to assess the anterior impingement pathomechanism in both active and passive postures with high hip flexion that are thought to provoke impingement. METHODS: We recruited nine participants with cam and/or pincer morphologies and with pain, 13 participants with cam and/or pincer morphologies and without pain, and 11 controls from a population-based cohort. We scanned hips in active squatting and passive sitting flexion, adduction, and internal rotation using open MRI and quantified anterior femoroacetabular clearance using the β angle. RESULTS: In squatting, we found significantly decreased anterior femoroacetabular clearance in painful hips with cam and/or pincer morphologies (mean -11.3° (SD 19.2°)) compared to pain-free hips with cam and/or pincer morphologies (mean 8.5° (SD 14.6°); p = 0.022) and controls (mean 18.6° (SD 8.5°); p < 0.001). In sitting flexion, adduction, and internal rotation, we found significantly decreased anterior clearance in both painful (mean -15.2° (SD 15.3°); p = 0.002) and painfree hips (mean -4.7° (SD 13°); p = 0.010) with cam and/pincer morphologies compared to the controls (mean 7.1° (SD 5.9°)). CONCLUSION: 2021;2(11):988-996.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».