The value of super microvascular imaging and shear wave elastography in evaluating synovial lesions in knee osteoarthritis
Notice bibliographique
Résumé
Objective This study investigates the value of super microvascular imaging (SMI) and shear wave elastography (SWE) in evaluating the relationship between synovial tissues and disease severity in knee osteoarthritis (KOA) patients. Materials and Methods Patients with KOA who visited our hospital between August 2022 and May 2023 were enrolled. WOMAC (Western Ontario and McMaster Universities Osteoarthritis Index) scores, X-ray images (Kellgren-Lawrence grading), power Doppler imaging (PDI), SMI, and SWE were evaluated for each patient. Results A total of 54 patients were enrolled. SMI detected more synovial blood flow than PDI (79.62% vs. 62.96%, p < 0.001). SMI upgraded 22.22% of PDI from level 0 to level 1, 31.48% from level 1 to level 2, and 9.26% from level 2 to level 3. There was a positive correlation between WOMAC scores and Kellgren-Lawrence grading (KLG), (r = 0.79, p < 0.001). PDI showed no significant correlation with WOMAC scores (r = 0.26, p = 0.06) or KLG (r = 0.12, p = 0.40). SMI also showed no significant correlation with WOMAC scores (r = 0.26, p = 0.05) or KLG (r = 0.06, p = 0.67). However, A significant correlation was showcased between PDI (r = 0.38, p = 0.04), SMI (r = 0.47, p < 0.001) and the WOMAC pain scores. Additionally, SWE exhibited significant positive correlations with WOMAC scores (r = 0.74, p < 0.001) and KLG (r = 0.84, p < 0.001). Conclusion In patients with KOA, SMI improved the detection of synovial blood flow and is significantly superior to PDI, offering a more sensitive tool for assessing synovial blood flow. SWE of synovial tissue showed a positive correlation with disease severity, providing a novel tool for assessing the severity of the disease.
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 | 0,001 | 0,001 |
| 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 ».