Artificial intelligence in osteoarthritis: repair by knee joint distraction shows association of pain, radiographic and immunological outcomes
Notice bibliographique
Résumé
OBJECTIVES: Knee joint distraction (KJD) has been associated with clinical and structural improvement and SF marker changes. The current objective was to analyse radiographic changes after KJD using an automatic artificial intelligence-based measurement method and relate these to clinical outcome and SF markers. METHODS: Twenty knee osteoarthritis patients were treated with KJD in regular care. Radiographs and WOMAC were collected before and ∼1 year post-treatment. SF was aspirated before, during and after treatment; biomarker levels were assessed by immunoassay. Radiographs were analysed to obtain compartmental minimum and standardized joint space width (JSW), Kellgren-Lawrence (KL) grades, compartmental joint space narrowing (JSN) scores, and osteophytosis and sclerosis scores. Results were analysed for the most affected compartment (MAC) and least affected compartment. Radiographic changes were analysed using the Wilcoxon signed rank test for categorical and paired t-test for continuous variables. Linear regression was used to calculate associations between changes in JSW, WOMAC pain and SF markers. RESULTS: Sixteen patients could be evaluated. JSW, KL and JSN improved in around half of the patients, significant only for MAC JSW (P < 0.05). MAC JSW change was positively associated with WOMAC pain change (P < 0.04). Greater monocyte chemoattractant protein 1 (MCP-1) and lower TGFβ-1 increases were significantly associated with changes in MAC JSW (P < 0.05). MCP-1 changes were positively associated with WOMAC pain changes (P < 0.05). CONCLUSION: Automatic radiographic measurements show improved joint structure in most patients after KJD in regular care. MAC JSW increased significantly and was associated with SF biomarker level changes and even with improvements in pain as experienced by these patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».