Exercise‐Induced Changes in Knee Cartilage In Vivo: Comparing MRI Sequences
Notice bibliographique
Résumé
The purpose was to assess the agreement in measures of acute knee cartilage thickness and composition change after loading in clinical knee osteoarthritis (OA) between two magnetic resonance imaging (MRI) acquisition approaches: (1) single sequence approach using quantitative double-echo in steady-state (qDESS), which allows simultaneous morphological and compositional scanning, versus (2) multi-sequence approach that captures morphology (fast spoiled gradient recalled (FSPGR) or qDESS) and composition (multi-echo spin echo (MESE)) separately. Twenty adults with clinical knee OA participated. 3T MR scans were acquired before and immediately after a 25-min treadmill walk at a standardized speed. Changes in knee cartilage thickness and T2 were assessed. Pre-activity, strong agreement was observed in cartilage thickness captured with qDESS and FSPGR (concordant correlation coefficients 0.842-0.935). Pre-activity, we observed greater absolute cartilage thickness with qDESS compared to FSPGR in femoral cartilage. From pre- to post-activity, qDESS showed change in cartilage thickness in the medial femur (-0.088 ± 0.11 mm, p = 0.002), lateral tibia (-0.042 ± 0.65 mm, p = 0.011) and trochlea (-0.027 ± 0.05 mm, p = 0.024); whereas FSPGR showed a change only in the lateral tibia (-0.064 ± 0.08 mm, p = 0.002). From pre- to post-activity, qDESS showed reduced T2 in all cartilage regions; whereas qDESS + MESE and FSPGR + MESE detected T2 changes in the patella (-1.90 ± 3.00 ms, p = 0.013, and -1.80 ± 2.18 ms, p = 0.002, respectively). qDESS detects transient changes in knee cartilage due to loading in clinical knee OA.
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 | 0,003 |
| 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 | 0,001 | 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 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 ».