Patient Experience of Stiffness With Knee Osteoarthritis: An Interpretative Description Study
Notice bibliographique
Résumé
INTRODUCTION: Knee OA (KOA) can lead to pain, loss of muscle strength, and changes in gait. Knee stiffness is a classic feature of KOA that can increase the risk of falls but has been understudied. OBJECTIVE: To evaluate the impact of knee stiffness, the factors influencing the severity of stiffness, and the repercussions on participation for patients with KOA. METHODS: This qualitative study used an interpretive description approach. Purposeful sampling was used for patients with KOA over 45 years of age, fluent in English, diagnosed with KOA and reported KOA stiffness within the last 6 months. Participants were recruited through social media and Ontario clinics. Semi-structured interviews were conducted over the phone or using zoom, recorded, and transcribed verbatim. Open, axial, and selective coding were used to identify clinically relevant themes. RESULTS: Twelve participants (5F, 7M) with a mean age of 60 years were included. The five themes identified include elusive and variable perceptions of joint stiffness, inactivity or too much activity exacerbates stiffness, adapting to the ebb and flow of symptoms, risk experiences and safety fears leads to reduced participation, and KOA stiffness impairs quality of life. CONCLUSION: This study highlights characteristics of knee stiffness, consequences on participation, and quality of life for people with KOA. Monitoring knee stiffness for KOA is recommended for more appropriate treatment intensity, which could improve adherence to a home programme and potentially reduce the risk of falls.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».