GLA:D to Be Walking Better: Change in Self-Reported Difficulty Walking After Exercise Therapy and Education in Persons With Knee Osteoarthritis
Notice bibliographique
Résumé
OBJECTIVE: Difficulty walking is a primary reason that individuals with knee osteoarthritis (OA) seek care. We examined the change in self-reported difficulty walking after participating in the Good Life With Osteoarthritis in Denmark (GLA:D) 8-week education and exercise program and assessed patient factors associated with improvement in difficulty walking. METHODS: This was a registry-based cohort study of individuals in Denmark with knee OA who enrolled in GLA:D. Assessments were administered at baseline, program completion (~3 months), and 12 months. Our prespecified primary outcome was change in self-reported difficulty walking assessed using the EuroQol 5-dimension 5-level walking item. Exposures included sociodemographic factors, measures of OA illness severity, comorbidities, and psychological factors. In those with baseline moderate/severe difficulty walking, using multivariable regression analysis, we assessed the relationship between exposures of interest and improvement to no/slight difficulty walking. RESULTS: We included 5262 participants. Of 2178 (41.4%) individuals with baseline moderate/severe difficulty walking, 51.4% and 58.3% reported no/slight difficulty walking at 3 and 12 months, respectively. Greater self-efficacy, younger age, female sex, lower BMI, less intense knee pain, and better function at baseline were associated with greater likelihood of improvement in difficulty walking, whereas severe difficulty walking at baseline and back pain intensity were associated with decreased likelihood of improvement. CONCLUSION: More than half of those with baseline difficulty walking experienced substantial improvement after completing GLA:D and this improvement was maintained at 12 months. Several patient factors were associated with the outcome, suggesting that some individuals may require additional support and extended treatment.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».