Evidence on risk factors for knee osteoarthritis in middle-older aged: a systematic review and meta analysis
Notice bibliographique
Résumé
Abstract Purpose This review was made to identify the risk factors for knee osteoarthritis (KOA) in middle-older aged (≥ 40 years), and to provide the newest evidence for the prevention of KOA. Method Cohort study and case–control study of the risk factors of KOA was included from Pubmed, Web of Science, Ovid Technologies, China National Knowledge Infrastructure (CNKI), Chinese Science and Technology Periodical Database (VIP), Wanfang Database, SinoMed from their inceptions to July 2023. Two authors independently screened the literature and extracted data. Assessment of quality was implemented according to Agency for Healthcare Research and Quality (AHRQ) and Newcastle–Ottawa Quality Assessment Scale. Meta-analysis was performed using RevMan 5.3 software. Results 3597 papers were identified from the seven databases and 29 papers containing 60,354 participants were included in this review. Meta-analysis was performed for 14 risk factors, and 7 of these were statistical significance ( P < 0.05). The risk factors which were analyzed in this review included trauma history in knee (1.37 [95% CI 1.03–1.82], P = 0.030), body mass index (BMI) ≥ 24 kg/m 2 (1.30 [95% CI 1.09–1.56], P = 0.004), gender (female) (1.04 [95% CI 1.00–1.09], P = 0.030), age ≥ 40 (1.02 [95% CI 1.01–1.03], P = 0.007), more exercise (0.75 [95% CI 0.62–0.91], P = 0.003), a high school education background (0.49 [95% CI 0.30–0.79], P = 0.003) and an university education background (0.22 [95% CI 0.06–0.86], P = 0.030). Conclusion The risk factors analyzed in this review included trauma history in knee, overweight or obesity, gender (female), age ≥ 40 and the protective factors included more exercise and a high school or an university education background.
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 | 0,014 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,004 |
| Bibliométrie | 0,004 | 0,002 |
| 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 | 0,001 |
| 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 ».