Concurrent Imaging and Clinical Study of the Efficacy of Hyaluronic Acid Injection for Knee Osteoarthritis: A Synovial Membrane Investigation with Ultrasound Imaging
Notice bibliographique
Résumé
We investigated whether hyaluronic acid (HA) injections can ameliorate ultrasound-detected synovitis in knee osteoarthritis (OA). We recruited 103 patients with symptomatic knee OA and ultrasound-detected synovitis and performed two ultrasound-guided fluid drainage procedures, followed by the administration of a low-molecular-weight HA injection (2.5 mL) in the subpatellar bursa, at a 2-week interval. Knee ultrasound imaging evaluations were performed before injection (baseline) and at 1 and 6 months after the second injection and included the measurements of synovial vascularity by using color Doppler ultrasound, synovial fluid depth over the suprapatellar bursa (SF), and synovial hypertrophy (SH). Initial clinical assessments included a visual analog scale (VAS) and the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC). VAS scores decreased significantly at both 1-month and 6-month evaluations (p < 0.001). WOMAC scores also significantly decreased at 1 month (p < 0.001), but not at 6 months (p = 0.23). The ultrasound parameters did not significantly change, except color Doppler grading, which tended to decrease at the 6-month evaluation (p = 0.059). Our findings revealed that two ultrasound-guided HA injections following fluid drainage improved pain and knee function but did not considerably influence imaging-detected synovitis in patients with 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».