Do people with knee osteoarthritis use guideline-consistent treatments after an orthopaedic surgeon recommends nonsurgical care? A cross-sectional survey with long-term follow-up
Notice bibliographique
Résumé
Objective: Describe "usual care" patterns of education, exercise, weight management, pain medication and other nonsurgical treatments for knee osteoarthritis (OA) in people recommended for nonsurgical care by an orthopaedic surgeon. Methods: We used a telephone-administered questionnaire to capture treatments people with knee OA used over the three to six years after an orthopaedic surgeon recommended nonsurgical care. The primary outcome, guideline-consistent nonsurgical treatments, was an aggregate measure defined as using education, exercise, weight management, and at least one recommended medication. Secondary outcomes were first-line (education, exercise, and weight management) and guideline-inconsistent treatments (orthoses, opioids, hyaluronic acid, platelet rich plasma, and stem cell therapy). Multivariable robust Poisson regression assessed the association between participant characteristics and use of guideline-consistent, first-line and guideline-inconsistent treatments. Results: 479 people were invited and 250 participated (52%). Participants were 58% female with a mean age 66.2 years. Participants received education by a healthcare professional (64%), exercised regularly (74%), used weight management (38%), and used recommended pain medications (91%). All guideline-consistent nonsurgical treatments were used by 19% of participants, 19% of participants used first-line treatments, and 42% used guideline-inconsistent treatments. Over six years, 34% had another consult then underwent arthroplasty. Older participants were less likely to use any treatment. People without post-secondary education were less likely to use first-line treatments (RR 0.54, 95% CI: 0.30-0.96), and females were less likely to use guideline-inconsistent treatments (RR 0.62, 95% CI:0.47-0.81). Conclusions: Nonsurgical usual care for people with knee OA was not consistent with international clinical guidelines.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».