Subchondral Bone Disease, Treatments, and Outcomes in Nonracing Horses
Notice bibliographique
Résumé
Introduction: Subchondral bone disease is frequently diagnosed on MRI, but no standardized treatment protocol exists. Our objectives were to review subchondral bone disease lesions and treatments in a population of horses referred for MRI and to assess outcomes (soundness and return to work). Materials and Methods: MRI (1.5 T) reports from 2014 to 2023 and follow-up information from clients and referring veterinarians were reviewed. Lesions were categorized as either Grade 0 (margin irregularity), 1 (sclerosis/minimal bone loss), or 2 (bone loss/STIR hyperintensity). Treatments were grouped into rest/shoeing changes, conservative management more than rest/shoeing (e.g., injections), and surgical treatment. Data was analysed using chi-square analysis with significance at p ≤ 0.05. Results: Eighty-seven subchondral bone lesions (67 limbs and 41 horses) were evaluated, with only the primary lame limb included for analysis. Follow-up was obtained in 36/41 cases, with 20 cases having bone lesions as the primary cause of lameness. No significant differences in outcomes were found between treatments (rest/shoeing changes 80% [4/5] sound and 100% [5/5] returned to work; conservative management 75% [6/8] sound and returned to work; surgical treatment 86% [6/7] sound and returned to work) or lesion grade. Compared with the number that returned to work (85%), horses were less likely (47%) to return at the same level or higher than they were performing pretreatment ( p = 0.01). Discussion/Conclusion: Treatment choice appeared to depend on the severity or type of lesion. Limitations include variation of lesion severity within grades. As long as some targeted treatment is provided for the diagnosed subchondral lesions, most horses appear to improve. Acknowledgment The study was funded through the University of Tennessee Center of Excellence Summer Veterinary Scholars Program. Publication History Article published online: 15 July 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».