High Prevalence of Foot Insufficiency Fractures in Patients With Inflammatory Rheumatic Musculoskeletal Diseases
Notice bibliographique
Résumé
Objective To assess the prevalence of foot insufficiency fractures (IF) in patients with rheumatic musculoskeletal disease (RMD) with foot pain. Methods In a retrospective design, 1752 magnetic resonance imaging (MRI) scans of consecutive patients presenting with foot pain in 2 time periods between 2016 and 2018 were evaluated. The group with IF was matched with controls with foot pain without IF. Bone mineral density (BMD) was assessed by dual-energy x-ray absorptiometry. Multivariate analyses were performed. Results A total of 1145 MRI scans of patients (median age 59 yrs, 82.9% female) with an inflammatory (65.4%) and of 607 with no inflammatory (34.6%) RMD (median age 58 yrs, 80.8% female) were available. Most patients had rheumatoid arthritis (RA; 42.2%), and others had psoriatic arthritis (22.4%), axial spondyloarthritis (11.1%), or connective tissue disease (CTD; 7.6%). Foot IF were found in 129 MRI scans of patients (7.5%). There was no difference between time periods. The prevalence of IF was highest in CTD (23%) and RA (11.4%). More patients with an inflammatory than a noninflammatory RMD had IF (9.1% vs 4.1%, respectively;P< 0.001). Using conventional radiography, IF were only detected in 25%. Low BMD and a history of fractures were more frequent in patients with IF than without (42.6% vs 16.2% and 34.9% vs 8.6%, respectively;P< 0.001). Conclusion A high prevalence of foot fractures was found in MRI scans of patients with RMD, many without osteoporosis. MRI was more sensitive than radiographs to detect IF.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».