“You don't put it down to arthritis”: A qualitative study of the first symptoms recalled by individuals with knee osteoarthritis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: As part of the first phase of the OARSI Early-stage Symptomatic Knee Osteoarthritis (EsSKOA) initiative, we explored the first symptoms and experiences recalled by individuals with knee osteoarthritis (OA). Design: This qualitative study, informed by qualitative description, was a secondary analysis of focus groups (n = 17 groups) and one-on-one interviews (n = 3) conducted in 91 individuals living with knee OA as part of an international study to better understand the OA pain experience. In each focus group or interview, participants were asked to describe their first symptoms of knee OA. We inductively coded these transcripts and conducted thematic analysis. Results: . Participants described the gradual and intermittent way in which symptoms of knee OA developed over many years; many could not identify a specific starting point. Participants described diverse initial knee symptoms, including activity-exacerbated joint pain, stiffness and crepitus. Most participants dismissed early symptoms or rationalized their presence, employing various strategies to enable continued participation in recreational and daily activities. Few sought medical attention until physical functioning was demonstrably impacted. Conclusions: The earliest symptoms of knee OA are frequently insidious in onset, episodic and present long before individuals present to health professionals. These results highlight challenges to identifying people with knee OA early and support the development of specific classification criteria for EsSKOA to capture individuals at an early stage.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle