Magnetic resonance imaging predictors (cartilage, osteophytes and meniscus) of prevalent and 3-year incident medial and lateral tibiofemoral knee joint tenderness and patellofemoral grind
Notice bibliographique
Résumé
OBJECTIVE: To identify magnetic resonance imaging (MRI) predictors (cartilage [C], osteophytes [O] and meniscus [M] scores) of prevalent and 3-year incident medial tibiofemoral (MTF) and lateral tibiofemoral (LTF) knee joint tenderness and patellofemoral (PF) grind. METHODS: Population-based knee pain cohort aged 40-79 was assessed at baseline (N = 255), 3- and 7-year follow-up (N = 108 × 2 = 216). COM scores were measured at 6/8/6 subregions respectively. Age-sex-BMI adjusted logistic models predicted prevalence versus relevant COM predictors (medial, lateral or patellar / trochlear groove scores). Fully adjusted models also included all relevant COM predictors. Binary generalized estimating equations models predicting 3-year incidence were also adjusted for individual follow-up time between cycles. RESULTS: Significant predictors of prevalent MTF tenderness: medial femoral cartilage (fully adjusted odds ratio [aOR] 1.84; 95% confidence interval [CI] 1.11, 3.05), female (aOR = 3.05; 1.67, 5.58), BMI (aOR = 1.53 per 5 units BMI; 1.10, 2.11). Predictors of prevalent LTF tenderness: female (aOR = 2.18; 1.22, 3.90). There were no predictors of prevalent PF grind in the fully adjusted model. However, medial patellar osteophytes was predictive in the age-sex-BMI adjusted model. There were no predictors of 3-year incident MTF tenderness. Predictors of 3-year incident LTF tenderness: female (aOR = 3.83; 1.25, 11.77). Predictors of 3-year incident PF grind: lateral patellar osteophytes (aOR = 4.82; 1.69, 13.77). In the age-sex-BMI adjusted model, patellar cartilage was also a predictor. CONCLUSION: We explored potential MRI predictors of prevalent and 3-year incident MTF/LTF knee joint tenderness and PF grind. These findings could guide preemptive strategies aimed at reducing these symptoms in the present and future (3-year incidence).
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».