Western Ontario and McMaster Universities Arthritis Index (WOMAC) Optimal Value in Diagnosing Overlapping Fibromyalgia: A Multivariate Study on Knee Osteoarthritis Short running head: WOMAC Value in Diagnosing Overlapping Fibromyalgia
Notice bibliographique
Résumé
Abstract Background: In the current study we aim to assess the prevalence of overlapping FM in a population of knee OA patients and to evaluate the diagnostic performance of WOMAC for FM in OA patients. Methods: We recruited a consecutive sample of 100 knee OA patients. They were assessed for pain, stiffness and function using WOMAC and overlapping FM using ACR 2010 criteria. To find independent predictors for fibromyalgia diagnosis, univariate and multivariate logistic regression analyses were utilized. ROC curves and Youden's J index were used to identify the best cutoff values for predictor parameters. Results: 41 in 100 OA patients also had fibromyalgia based on ACR criteria. Age, BMI and WOMAC score were significantly higher in patients with overlapping FM than patients without FM. Univariate analysis identified that the age, BMI and WOMAC score (Ps = 0.029, 0.041, and < 0.001, respectively) are significantly associated with overlapping FM diagnosis. In multivariate analysis, WOMAC score (OR: 0.93 (95% CI 0.90–0.97), P < 0.001) was identified as independent predictors of overlapping FM. Using ROC, the AUC of WOMAC score was 0.715 (95%CI: 0.614–0.817) and the optimum cutoff point for WOMAC for FM was 43.5. Conclusions: It is concluded from this study that WOMAC scores > 43.5 are useful for suggesting FM as a secondary diagnosis in knee OA patients. Future studies are necessary to establish the results of the current study in a more general context, given the limited available evidence.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».