Diagnosis for early stage knee osteoarthritis: probability stratification, internal and external validation; data from the CHECK and OAI cohorts
Notice bibliographique
Résumé
OBJECTIVE: To internally and externally validate our diagnostic criteria of early stage knee osteoarthritis (OA) in the CHECK and OAI cohorts. DESIGN: We applied two previously developed diagnostic models to all knees in CHECK and OAI cohorts to calculate probabilities of early stage knee OA at baseline. Knees were categorized into three groups based on probability: 'no OA' (probability ≤ 30%), 'uncertain' (probability between 30% and 70%) and 'early stage OA' (probability ≥ 70%). To validate the diagnosis, we obtained OA related outcome measures at 10-year follow-up in the CHECK cohort, and at 8-9-year follow-up in the OAI cohort. We compared outcome measures between 'no OA' and 'early stage OA' knees, and between 'no OA' and 'uncertain' knees using generalized estimating equations. RESULTS: In CHECK (n = 1042 knees) both models showed 'early stage OA' knees presented with significant and clinically relevant higher WOMAC scores, higher Kellgren & Lawrence (KL) grade, and higher rates of joint space narrowing (JSN) progression after 10 years, compared to 'no OA' knees. In OAI (n = 2937 knees) both models showed 'early stage OA' knees presented with significant and clinically relevant higher WOMAC scores, higher KL grade, and higher rates of KL and JSN progression after 8-9 years, compared to 'no OA' knees. Smaller, but still significant differences between 'uncertain' and 'no OA' knees were observed in both cohorts. CONCLUSIONS: These results support internal and external validity of the two sets of diagnostic criteria for early stage knee OA.
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 | 0,020 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».