Effect of Age on Active and Structural Magnetic Resonance Imaging Lesions in Sacroiliac Joints of Healthy Individuals and Patients With Nonspecific Back Pain
Notice bibliographique
Résumé
OBJECTIVE: To assess the effect of increasing age on the frequency of inflammatory and structural magnetic resonance imaging (MRI) lesions in the sacroiliac joints (SIJ) in 3 independent cohorts of healthy individuals and patients with nonspecific back pain (NSBP). METHODS: We assessed MRI SIJ lesions in 3 cohorts (A, B, and C) of healthy individuals (cohort A, n = 79; cohort B, n = 78) and patients with NSBP (cohort A, n = 87; cohort C, n = 46) aged ≤ 45 years referred with back pain suspicious of axial spondyloarthritis (axSpA). MRI lesions were recorded on consecutive slices in SIJ quadrants or halves through the cartilaginous SIJ. Lesions were ascertained by 2-7 central readers according to standardized lesion definitions. Lesions recorded concordantly by the majority of readers were analyzed according to age categories (18-29, 30-39, and 40-50 yrs) and previously reported data-driven MRI cutoffs indicative of inflammatory or structural lesions typical of axSpA. RESULTS: Only 3.8% (in both cohort A and cohort B) of healthy individuals and 5.7% (cohort A) and 4.3% (cohort C) of patients with NSBP had erosion in ≥ 1 SIJ quadrant, and progressive increases of erosion with age categories were not evident. None of the healthy individuals and 2.3% and 4.3% of cohort A and cohort C, respectively, of the patients with NSBP showed erosion in ≥ 3 SIJ quadrants, the cutoff indicative of axSpA; not a single individual met this cutoff in the highest age category. Fat metaplasia was slightly increased with age among healthy individuals and patients with NSBP in cohort A, but not in cohorts B or C. CONCLUSION: SIJ MRI data from healthy individuals and NSBP controls did not indicate progressive increases in structural lesions with increasing age categories when standardized definitions for axSpA lesions were adopted. MRI cutoffs for structural lesions denoting axSpA discriminated equally well between axSpA and NSBP across all age categories.
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 | 0,006 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».