Psychosocial factors in knee osteoarthritis: Scoping review of evidence and future opportunities
Notice bibliographique
Résumé
OBJECTIVE: Identify, describe and produce an evidence map of studies investigating psychosocial factors association with, or effect on, clinical outcomes for people with knee osteoarthritis. METHODS: Scoping review of interventional and observational studies was performed. Medline (Ovid), Embase (Ovid), Cumulated Index in Nursing and Allied Health Literature, PsycInfo and Web of Science were searched on the 15th May 2023. Screening, data extraction and analysis was performed by two independent researchers. Extracted information included characteristics of studies plus which psychosocial factors were used to investigate association with, or effect on, clinical outcome(s). Descriptive statistics summarized the study design, temporal trend, geographic distribution, frequency of each psychosocial factor and whether associations/effects were observed. RESULTS: 23,065 records were screened, with 108 studies selected. Eighty-two percent of studies (n = 89/108) were cross-sectional in design. Number of studies increased over time and spanned 28 countries. Most research originated from the Americas region (55 %, 59/108). Twenty-four psychosocial factors (11 psychological, 13 social) were identified. Depression (47 %, n = 48/102) and education (28 %, n = 29/102) were the most frequently reported psychological and social factors, respectively. Psychological factors were often reported to have an association with/effect on pain (81 %, n = 71/88) and physical function (75 %, n = 56/74). Social factors were less frequently reported to have an association with or effect on pain (57 %, n = 46/81) and physical function (50 %, n = 18/36). CONCLUSION: Psychosocial factors are often associated with clinical outcomes for people with knee osteoarthritis. High-quality longitudinal studies examining a wide range of psychosocial factors across diverse cultural and geographical settings are key to continue informing the development of biopsychosocial models of care.
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 | 0,025 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,028 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».