P077 Can we predict who responds to intra-articular corticosteroid injection in knee arthritis? A clinical trial comparing response in inflammatory arthritis and osteoarthritis
Notice bibliographique
Résumé
Abstract Background/Aims The global burden of knee arthritis is significant and rising. Patients can experience pain and disability over a long duration. Intra-articular corticosteroid injections (IACI) can reduce inflammation and pain in arthritis. However, there is disparity in pain reduction and efficacy duration following IACI. We aimed to identify factors that influence IACI response in knee osteoarthritis (OA) and inflammatory arthritis (IA), to aid stratification of future patients. Methods In this multi-centre prospective study, participants with knee OA and IA (rheumatoid, psoriatic or mixed arthritis on standard treatment) were recruited. At baseline, demographics, DAS28, PsARC, painDETECT and Western Ontario and McMasters Universities Arthritis Index (WOMAC) for pain, stiffness and function were completed. We classified painDETECT scores with ≥19 “sensitised” and ≤18 “non-sensitised” for pain. Sonographic assessment and IACI was performed, with synovitis/effusion categorised dichotomously (present/absent). Two musculoskeletal radiology consultants graded knee radiographs as low Kellgren-Lawrence grade 0-2 (LKLG) or high grade 3-4 (HKLG). At 3 months, all questionnaires were repeated. IACI response was defined as 20% improvement from baseline WOMAC pain. Differences between responders/non-responders were assessed using Wilcoxon (continuous variables) and Fisher’s exact tests (categorical variables). Analysis was conducted in R. Results There were 129/136 patients recruited who had IACI: 89 were analysed (62 OA, 27 IA) (Table 1), with 40 lost to follow-up. Irrespective of arthritis pathology, odds of IACI response among sensitised versus non-sensitised participants was 0.33(p = 0.051). In the LKLG-OA cohort, responders had significantly lower baseline painDETECT scores than non-responders (p = 0.015); 10/14 (71%) non-sensitised responded to IACI, compared with 0/6 (0%) of the sensitised. No difference in baseline painDETECT scores between responders and non-responders in the HKLG-OA cohort(p = 0.50) or in either inflammatory cohort(LKLG p = 0.86, HKLG p = 0.77) was detected. In the OA-synovitis/effusion cohort, responders had lower baseline painDETECT scores; while this was not statistically significant (p = 0.13), 0/6 (0%) of sensitised participants responded, versus 17/33 (52%) non-sensitised patients. Conclusion Our study suggests imaging and clinical measures can predict IACI response, with pain sensitisation conferring lower likelihood of response, particularly in OA with LKLG. Following validation studies, design of a predictive clinical model could allow patient stratification for personalised treatment, reducing IACI waiting times and optimising resource allocation. Disclosure A. Paterson: None. K. Feather: None. A. Lambarth: None. M. Siebachmeyer: None. V. Ejindu: None. F. Howe: None. A. Rudnicka: None. A. Ezeonyeji: None. R. Ramsden: None. N. Sofat: None.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».