Association between synovial tissue damage and pain in late-stage knee osteoarthritis: A cross-sectional study
Notice bibliographique
Résumé
OBJECTIVE: To identify the presence and distribution of histopathological features of synovial inflammation and tissue damage, and to test their associations with ultrasound (US) imaging measures of synovitis and patient-reported measures of pain in knee osteoarthritis (OA). DESIGN: In the cross-sectional study of 122 patients undergoing surgery for painful late-stage (Kellgren-Lawrence Grade 3 or 4) knee OA, we compared US measures of synovitis (n = 118) and pain (Knee Injury and Osteoarthritis Outcome Score) to histopathological measures of inflammation vs. synovial tissue damage in synovial tissue biopsies. Associations of histopathological features with US measures of inflammation or pain were assessed using linear or logistic regression while controlling for covariates. RESULTS: Histopathological features of inflammation were associated with higher odds of moderate/severe US synovitis (odds ratio [OR] = 1.34 [95%CI 1.04, 1.74), whereas features of synovial tissue damage were associated with lower odds of moderate/severe US synovitis (OR = 0.77 [95%CI 0.57, 1.03]). Worse histopathological scores for synovial tissue damage were associated with more pain (-1.47 [95%CI -2.88, -0.05]), even while adjusting for synovial inflammation (-1.61 [95%CI -3.12, -0.10]). CONCLUSIONS: Synovial tissue damage is associated with pain in late-stage knee OA, independent from inflammation and radiographic damage. These novel findings suggest that preventing synovial tissue damage may be an important goal of disease-modifying OA therapy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».