Estimation of patient-reported outcome measures based on features of knee joint muscle co-activation in advanced knee osteoarthritis
Notice bibliographique
Résumé
Electromyography (EMG) is considered a potential predictive tool for the severity of knee osteoarthritis (OA) symptoms and functional outcomes. Patient-reported outcome measures (PROMs), such as the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) and visual analog scale (VAS), are used to determine the severity of knee OA. We aim to investigate muscle activation and co-contraction patterns through EMG from the lower extremity muscles of patients with advanced knee OA patients and evaluate the effectiveness of an interpretable machine-learning model to estimate the severity of knee OA according to the WOMAC (pain, stiffness, and physical function) and VAS using EMG gait features. To explore neuromuscular gait patterns with knee OA severity, EMG from rectus femoris, medial hamstring, tibialis anterior, and gastrocnemius muscles were recorded from 84 patients diagnosed with advanced knee OA during ground walking. Muscle activation patterns and co-activation indices were calculated over the gait cycle for pairs of medial and lateral muscles. We utilized machine-learning regression models to estimate the severity of knee OA symptoms according to the PROMs using muscle activity and co-contraction features. Additionally, we utilized the Shapley Additive Explanations (SHAP) to interpret the contribution of the EMG features to the regression model for estimation of knee OA severity according to WOMAC and VAS. Muscle activity and co-contraction patterns varied according to the functional limitations associated with knee OA severity according to VAS and WOMAC. The coefficient of determination of the cross-validated regression model is 0.85 for estimating WOMAC, 0.82 for pain, 0.85 for stiffness, and 0.85 for physical function, as well as VAS scores, utilizing the gait features. SHAP explanation revealed that greater co-contraction of lower extremity muscles during the weight acceptance and swing phases indicated more severe knee OA. The identified muscle co-activation patterns may be utilized as objective candidate outcomes to better understand the severity of knee OA.
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 | 0,005 | 0,016 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».