MétaCan
Menu
Retour à la cohorte
Enregistrement W4411962671 · doi:10.1016/j.ostima.2025.100323

LONGITUDINAL PROGRESSION OF TRAUMATIC BONE MARROW LESIONS FOLLOWING ANTERIOR CRUCIATE LIGAMENT INJURY: ASSOCIATIONS WITH KNEE PAIN AND CONCOMITANT INJURIES

2025· article· en· W4411962671 sur OpenAlexaff
C. Stirling, Nikola Pavlović, Sarah L. Manske, R.E.A. Walker, Steven K. Boyd

Notice bibliographique

RevueOsteoarthritis Imaging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensAlberta Bone and Joint Health InstituteUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésConcomitantMedicineAnterior cruciate ligamentKnee painBone marrowSurgeryOsteoarthritisInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION Traumatic BM lesions occur in about 80% of ACL injuries, typically caused by tibia-femur collisions, indicating significant joint damage and an increased risk of post-traumatic OA (PTOA). MRI is effective for detecting BM lesions, but quantitative assessment of their volume and distribution over time can help identify PTOA risk factors. While BM lesions typically resolve over time, their relationship with knee pain and functional outcomes remains unclear. OBJECTIVE This study aimed to investigate the longitudinal prevalence, characteristics, and progression of BM lesions following ACL injury, with a focus on their association with knee pain, ligamentous injuries, and meniscal tears. METHODS This prospective observational study analyzed data from 100 individuals (68 females, 32 males) with acute ACL tears in previously uninjured knees. MRI scans were obtained within 6 weeks of their injury using a 1.5-T MR scanner (GE OptimaMR430S, 1.5T, Waukesha, WI, USA). The imaging protocol included T2‐weighted fat‐suppressed fast spin echo images [TR/TE, 4300/56 ms; echo train length, 11; matrix, 320 × 256; field of view, 140 mm; slice thickness, 3.5 mm; gap, 0.3 mm;] for evaluating BM lesions. BM lesion volume quantified using a previously developed automated segmentation tool. Knee pain and symptoms were assessed using the Knee Injury and Osteoarthritis Outcome Score (KOOS). Statistical analyses included paired t-tests, Mann-Whitney U tests, Pearson’s Chi-squared test, and Spearman’s rank correlation. Multiple comparisons were corrected using the Benjamini-Hochberg procedure to control for false discovery rate. A subset of 77 participants completed follow-up KOOS surveys, and 19 participants who did not undergo ACL reconstruction had follow-up MRIs at one year. RESULTS BM lesions were present in 95% of participants (N=100), predominantly in the lateral tibial plateau and lateral femoral condyle. Males exhibited significantly higher BM lesion volumes than females (p = 0.03). Significant associations were identified between medial collateral ligament tears and both lateral collateral ligament (p = 0.01) and posterior cruciate ligament tears (p < 0.01). The BM lesion volume at baseline was negatively correlated with KOOS Symptoms at baseline (r = -0.270, p = 0.01). Longitudinal analyses revealed strong predictive relationships between baseline KOOS scores and future outcomes, with baseline KOOS Pain predicting follow-up Symptoms (r = 0.500) and Pain (r = 0.542). At the one-year follow-up, BM lesions in non-surgical participants (N=19) showed substantial resolution (mean change = -96.7%). Surgery had no significant impact on pain or functional outcomes compared to non-surgical participants. CONCLUSION BM lesion volume had only a weak association with knee pain after ACL injury, but longitudinal KOOS analyses revealed consistent associations between baseline symptoms and future outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,284
Écart entre enseignants0,276 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

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 revueOsteoarthritis ImagingMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207