The combination of osteoporosis and low lean mass correlates with physical function in end-stage knee osteoarthritis: A retrospective observational study
Notice bibliographique
Résumé
We aimed to investigate the prevalence of osteoporosis and low lean mass, either together or in isolation, and their association with physical function, pain, and quality of life (QOL) in patients with end-stage knee osteoarthritis (OA). This retrospective cross-sectional observational study included 578 patients (77 males and 501 females) diagnosed with end-stage knee OA. Patients were divided into 4 groups based on body composition parameters: control, osteoporosis, low lean mass, and osteoporosis + low lean mass. All participants underwent performance-based physical function tests, including a stair climbing test (SCT), a 6-minute walk test, a timed up and go test, and instrumental gait analysis, to examine spatiotemporal parameters. Self-reported physical function and pain levels were measured using the Western Ontario McMaster Universities Osteoarthritis Index and visual analog scale, respectively. Self-reported QOL was measured using the EuroQOL 5 dimensions (EQ-5D) questionnaire. Of 578 patients, 268 (46.4%) were included in the control group, 148 (25.6%) in the osteoporosis group, 106 (18.3%) in the low lean mass group, and 56 (9.7%) in the osteoporosis + low lean mass group. Analysis of variance revealed that the scores for the osteoporosis + low lean mass group in the SCT-ascent, SCT-descent, and timed up and go test were significantly higher, whereas those for the 6-minute walk test, gait speed, and cadence were significantly lower than those for the other groups (P < .05). After adjusting for age, sex, and body mass index, multiple linear regression analysis identified SCT-ascent (β = 0.140, P = .001, R2 = 0.126), SCT-descent (β = 0.182, P < .001, R2 = 0.124), gait speed (β = -0.116, P = .005, R2 = 0.079), and cadence (β = -0.093, P = .026, R2 = 0.031) as being significantly associated with osteoporosis + low lean mass. Thus, osteoporosis + low lean mass correlates with poor physical function, but not pain and QOL, in patients with end-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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».