The association of folate deficiency with clinical and radiological severity of knee osteoarthritis
Notice bibliographique
Résumé
CONTEXT: Folate deficiency is often observed in patients with inflammatory diseases, raising questions about its role in knee osteoarthritis (OA) progression. OBJECTIVES: This study aimed to assess the association of folate deficiency with the clinical and radiological severity of knee OA. METHODS: A prospective cross-sectional study was conducted from January 1, 2019 to January 1, 2020. Primary knee OA patients referred to orthopedic clinics in Zabol, Iran were included. Radiographic severity was gauged utilizing the Kellgren-Lawrence (KL) classification. For clinical severity, patients completed the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) questionnaire. IBM SPSS v.27 facilitated the statistical analysis. RESULTS: Forty-nine knee OA patients, averaging 67.45±13.44 years in age, were analyzed. Spearman correlation analysis revealed a negative correlation between folate levels and both WOMAC and KL scores. The correlation was stronger between folate and KL score (Spearman correlation coefficient: -0.75) than between folate and WOMAC total score (Spearman correlation coefficient: -0.46). Additionally, a significantly higher KL score was observed in patients with folate deficiency (p=0.004). CONCLUSIONS: Our study highlights a significant correlation between folate deficiency and increased severity of OA, which is evident in radiological and clinical assessments. These findings suggest that folate plays a key role in OA pathogenesis and could be a modifiable factor in its management.
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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».