Correlations Between Imaging and Clinical, Functional and Biological Features in Knee Osteoarthritis
Notice bibliographique
Résumé
Background: For knee osteoarthritis (OA) pathogeny, cartilage damage is important, and ultrasonography (US) is helpful in assessing specific joint issues. Objectives: We intend to find correlations between functionality, pain level, serum glucose, cholesterol, triglycer-ides, uric acid, systemic inflammation and US findings for patients with knee OA. Meth-ods: For 50 consecutive subjects with symptomatic bilateral knee OA staged according to the scale Kellgren-Laurence(K-L) noted anamnestic data, Body Mass Index (BMI), func-tionality evaluated by Western Ontario and McMaster University Osteoarthritis Index (WOMAC) and pain’ intensity through Visual Analogue Scale (VAS). Using the US, the cartilage, meniscal and tendon changes, osteophytes, and fluid collections were assessed for 100 knee joints. SPSS 29.0.2.0 was used for statistical analysis. Results: In our group, with an average age of 60.54 years, there was observed a weak direct correlation between WOMAC and K-L grading (r=0.34) and a negative correlation between BMI and the carti-lage size on the external femoral condyle (r=-0.28). Its thickness on this site was directly correlated with lateral osteophyte severity. Smokers' injuries on the intercondylar groove were increased. Conclusion: Lateral femoral condyle cartilage thickness is inversely asso-ciated with BMI, and K-L grading directly correlates with dysfunctionality. The smokers had higher intercondylar cartilage injuries. Keywords: Knee, osteoarthritis, pain, cartilage, ultrasonography.
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 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».