Features of Knee and Multijoint Osteoarthritis by Sex and Race and Ethnicity: A Preliminary Analysis in the Johnston County Health Study
Notice bibliographique
Résumé
Objective To evaluate knee osteoarthritis (KOA) and multijoint osteoarthritis (MJOA), and to compare features by sex and race and ethnicity in a population-based cohort. Methods Participants (n = 544) enrolled in the Johnston County Health Study (JoCoHS) as of January 2023 were categorized by radiographic and symptomatic KOA and MJOA phenotypes, and frequencies were compared by sex and race and ethnicity. Symptoms were assessed according to the Knee Injury and Osteoarthritis Outcome Score (KOOS) and pain, aching, and stiffness (PAS) scores at various joints. Models produced estimates (odds ratio [OR] or mean ratios [MR] and 95% CI) adjusted for age, BMI (kg/m2), and education. Results Men had twice the odds of having MJOA-6 (≥ 3 lower extremity joints affected); there were no significant differences in MJOA phenotypes by race and ethnicity. Women had 50% higher odds of having KOA or having various features of KOA. Women reported significantly worse KOOS Symptoms scores (MR 1.25). Black participants had higher odds of more severe KOA (OR 1.47), subchondral sclerosis (OR 2.06), and medial tibial osteophytes (OR 1.50). Black participants reported worse KOOS Symptoms than White participants (MR 1.18). Although not statistically significant, Hispanic participants (vs non-Hispanic participants) appeared to have lower odds of radiographic changes but reported worse symptoms. Conclusion Preliminary findings in the diverse JoCoHS cohort suggest more lower extremity–predominant MJOA in men compared to women. Women and Black participants had more KOA features and more severe symptoms. Hispanic participants appear to have higher pain and symptoms scores despite having fewer structural changes. Studies in diverse populations are needed to understand the burden of 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 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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».