Population-based analysis of knee joint loading in a knee osteoarthritis cohort: the impact of PCA-derived gait kinematic variations on estimated medial knee contact forces
Notice bibliographique
Résumé
Abstract Osteoarthritis (OA) is a prevalent musculoskeletal condition leading to functional limitations, especially among the elderly. Current treatments focus on pain relief and functional improvement, however there is a lack of approaches which slow disease progression. A promising approach focusses on reducing knee joint loading, as excessive loading contributes to knee OA progression. This study explores kinematic variations in the knee OA population, utilizing principal component analysis (PCA) to examine gait variations (primitives) in both healthy individuals and those with knee osteoarthritis (KOA) and their implications for knee joint loading. The KOA population exhibited 14 modes of variation representing 95% of the cumulative variance, compared to 20 in the healthy population, indicating lower variability with KOA. The relation between identified gait primitives and knee loading parameters, revealed complex relationships. Surprisingly, modes with the largest kinematic variations did not consistently correspond to the highest variations in knee loading parameters revealing degrees of freedom which may have a larger role in determining joint loading. Moreover, potential gait-retraining strategies for KOA, associating specific kinematic combinations with altered knee loading were identified. The results showed a good agreement with previously applied strategies. However, this study highlights the importance of analyzing whole-body kinematics for effective gait retraining, as opposed to focusing on one single joint variation. The study’s insights contribute to understanding the intricate interplay between gait pattern variations and knee joint loading changes in healthy and KOA populations, offering practical applications for guiding interventions and estimating loading parameters.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».