Shear wave elastography reveals elevated infrapatellar fat pad stiffness in patients with early osteoarthritis symptoms after ACL reconstruction
Notice bibliographique
Résumé
The infrapatellar fat pad (IPFP) plays an important role in knee biomechanics and inflammation, particularly following anterior cruciate ligament reconstruction (ACLR). This study investigated whether IPFP stiffness, measured with shear wave elastography, is associated with early symptoms of osteoarthritis (OA) in individuals within one year after ACLR. In this cross-sectional study, 24 participants underwent bilateral IPFP stiffness assessments using shear wave elastography. Participants were positioned supine with 20° knee flexion. The stiffness limb symmetry index (LSI) was calculated to normalize stiffness between the ACLR and contralateral limbs. Early OA symptoms were defined as scores ≤85 % on at least two of four subscales of the Knee Injury and Osteoarthritis Outcome Score (KOOS). Independent t -tests were used to evaluate group differences in IPFP stiffness LSI, and receiver operating characteristic curve analysis determined the optimal LSI threshold for discriminating between groups. Eleven participants (46 %) showed early OA symptoms. Participants with early OA symptoms exhibited a significantly higher IPFP stiffness LSI compared to those without symptoms (49.2 ± 48.7 % vs. -17.3 ± 34.4 %, p < 0.001). An optimal stiffness LSI threshold of 7.1 % was identified, achieving 90.9 % sensitivity, 92.3 % specificity, and an area under the curve of 0.94. Shear wave elastography shows potential as a non-invasive tool for detecting early IPFP stiffness changes associated with OA symptoms post-ACLR. These findings suggest that IPFP stiffness may be an early marker for OA risk, warranting further longitudinal studies to evaluate its progression and to further examine the clinical utility of shear wave elastography.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».