MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411411404 · doi:10.1016/j.ard.2025.05.992

POS0612 HOW DO WE PREDICT TREATMENT RESPONSE IN OSTEOARTHRITIS ANALYSIS OF A COHORT STUDY IN PEOPLE WITH KNEE OSTEOARTHRITIS

2025· article· en· W4411411404 sur OpenAlexaboutno aff
Aimee Paterson, Katie Feather, Andrew Lambarth, Amin Niakan, Martin Siebachmeyer, Vivian Ejindu, Franklyn A. Howe, Alicja R. Rudnicka, Amara Ezeonyeji, R. T. Ramsden, Nidhi Sofat

Notice bibliographique

RevueAnnals of the Rheumatic Diseases · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOsteoarthritis Treatment and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOsteoarthritisCohortPhysical therapyCohort studyInternal medicineAlternative medicinePathology

Résumé

récupéré en direct d'OpenAlex

Background: Osteoarthritis (OA) is the most common arthritis worldwide, yet no disease-modifying treatments are available. The European Alliance of Associations for Rheumatology (EULAR) advise combined pharmacological and non-pharmacological (exercise and physiotherapy) management. EULAR advise paracetamol first line with non-steroidal anti-inflammatory drugs (NSAIDs) considered if unresponsive. Opioids are commonly prescribed in clinical practice if NSAIDs are ineffective but are not recommended by EULAR [1]. Meta-analysis shows that opioids do not improve pain or function compared with placebo with more adverse effects [2]. Lack of opioid efficacy raises concerns given the opioid abuse prevalence in chronic pain patients [3]. Intra-articular corticosteroid injections (IACI) are recommended in acute pain flare-ups with joint replacement considered in advanced disease. Although several risk factors for OA pain and functional impairment are well recognised, little information is available to assess factors influencing treatment response. Objectives: We aimed to evaluate factors influencing response to knee OA medical management in a real-world UK cohort study (ARPAIN IRAS number: 234659) to: 1.Identify pain characteristics. 2.Assess risk factors influencing response. 3.Evaluate the efficacy of pharmacological treatments. 4.Develop a stratification tool to aid treatment decisions for patients and clinicians. Methods: We recruited participants with knee OA in this multi-centre prospective trial who met American College of Rheumatology (ACR) eligibility criteria for painful symptomatic knee OA on usual National Health Service (NHS) care. During baseline assessment, we collected demographics (age, sex, ethnicity, BMI, analgesia history), Visual Analogue Scale (VAS), painDETECT and Western Ontario and McMasters Universities Arthritis Index (WOMAC). A painDETECT score ≥19 categorised participants as "sensitised" to pain. Appropriate participants underwent clinical or ultrasound-guided IACI in addition to usual care (paracetamol, NSAIDs or opioids). The presence/absence of synovitis/effusion was noted. Knee radiographs were assessed by two Musculoskeletal Radiology Consultants and Kellgren-Lawrence graded. At 3 months VAS, PainDETECT and WOMAC pain questionnaires were repeated. We defined treatment response as at least a 20% improved baseline WOMAC pain score. Univariate and multivariate logistic regression was conducted using R version 4.2. Clinical experience and statistical theory aided variable selection for the global model. We utilised the average area under the receiver operating characteristic (AUROC) across leave-one-out cross-validation (LOOCV) to determine our model's predictive accuracy. Results: We recruited 92 participants with knee OA, with 28(42%) meeting our response criteria. 88(96%) received IACI. The variables included in our final multivariate model were age and baseline WOMAC pain score (LOOCV AUROC 0.72) (Figure 1). Age (per 10-year increase) significantly predicted response in univariate (OR 2.06, p=0.01) and multivariate analysis (OR 1.91, p=0.02). Increased baseline WOMAC pain score (median 53.3, range 13.8-94.8) significantly predicted negative response in univariate (OR 0.68, p=0.01) and multivariate analysis (OR 0.71, p=0.02). Pain sensitisation predicted a negative response in univariate analysis (OR 0.23, p=0.03). Baseline opioid prescription was a significant negative response predictor in univariate analysis (OR 0.29, p=0.05). Figure 2 shows changes in WOMAC pain score over 3 months: response rates are displayed for the whole study group on usual care including paracetamol, NSAIDs or opioids with 96% receiving IACI (Figure 2a) and in a subgroup receiving opioids at baseline (Figure 2b). Figure 1 Figure 2 Conclusion: Our study highlights that the parameters selected in our model can predict knee OA treatment response. We demonstrated improved response in older participants, without pain sensitisation with lower baseline WOMAC pain scores, suggesting lower response with pain catastrophisation. Participants taking baseline paracetamol/NSAIDs demonstrated improved response compared with those taking additional opioids. Our finding of baseline opioid use being a negative response predictor is consistent with opioids' lack of efficacy in knee OA in the literature. Validation of our predictive model could allow for more personalised OA management with improved resource allocation. REFERENCES: [1] A. Pendleton et al, Ann Rheum Dis, vol. 59, no. 12, pp. 936-44, Dec 2000, doi: 10.1136/ard.59.12.936. [2] M. C. Osani, L. S. Lohmander, and R. R. Bannuru, Arthritis Care Res (Hoboken), vol. 73, no. 10, pp. 1413-1424, Oct 2021, doi: 10.1002/acr.24363. [3] L. A. Deveza, D. J. Hunter, and W. E. Van Spil, Osteoarthritis Cartilage, vol. 26, no. 3, pp. 293-295, Mar 2018, doi: 10.1016/j.joca.2017.12.003. Acknowledgements: We acknowledge funding from The Rosetrees' Trust (Grant number M11-F3). Disclosure of Interests: None declared . © The Authors 2025. This abstract is an open access article published in Annals of Rheumatic Diseases under the CC BY-NC-ND license (http://creativecommons.org/licenses/by-nc-nd/4.0/). Neither EULAR nor the publisher make any representation as to the accuracy of the content. The authors are solely responsible for the content in their abstract including accuracy of the facts, statements, results, conclusion, citing resources etc.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,006
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,282
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the Rheumatic Diseases→Même sujetOsteoarthritis Treatment and Mechanisms→Travaux en français237 207→