Time-varying treatment effect modification of oral analgesic effectiveness by depressive symptoms in knee osteoarthritis: an application of structural nested mean models in a prospective cohort
Notice bibliographique
Résumé
BACKGROUND: Depressive symptoms are common in knee osteoarthritis (OA), exacerbate knee pain severity and may influence outcomes of oral analgesic treatments. The aim was to assess whether oral analgesic effectiveness in knee OA varies by fluctuations in depressive symptoms. METHODS: The sample included Osteoarthritis Initiative (OAI) participants not treated with oral analgesics at enrolment (n = 1477), with radiographic disease at the first follow-up visit (defined as the index date). Oral analgesic treatment and depressive symptoms, assessed with the Center for Epidemiological Studies Depression [(CES-D) score ≥16] Scale, were measured over three annual visits. Knee pain severity was measured at visits adjacent to treatment and modifier using the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain subscale (rescaled range = 0-100). Structural nested mean models (SNMMs) estimated causal mean differences in knee pain severity comparing treatment versus no treatment. RESULTS: The average causal effects of treated versus not treated for observations without depressive symptoms showed negligible differences in knee pain severity. However, causal mean differences in knee pain severity comparing treatment versus no treatment among observations with depressive symptoms increased over time from -0.10 [95% confidence interval (CI): -9.94, 9.74] to -16.67 (95% CI: -26.33, -7.01). Accordingly, the difference in average causal effects regarding oral analgesic treatment for knee pain severity between person-time with and without depressive symptoms was largest (-16.53; 95% CI: -26.75, -6.31) at the last time point. Cumulative treatment for 2 or 3 years did not yield larger causal mean differences. CONCLUSIONS: Knee OA patients with persistent depressive symptoms and chronic pain may derive more analgesic treatment benefit than those without depressive symptoms and less pain.
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 | 0,093 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,014 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».