Do rates of femorotibial cartilage loss in Kellgren-Lawrence 2 and 3 knees differ between those with mild-moderate vs. severe patellofemoral structural damage? – Data from the FNIH and IMI-APPROACH cohorts
Notice bibliographique
Résumé
BACKGROUND: The aim was to assess whether rates of quantitative femorotibial (FT) cartilage loss are increased for knees with semiquantitatively (sq)-defined severe patellofemoral (PF) cartilage damage and/or large bone marrow lesions (BMLs) vs. those without over a period of 24 months. METHODS: 626 knees with Kellgren-Lawrence 2 and 3 from the FNIH and IMI-APPROACH studies were included. MRI assessment was performed using the MRI Osteoarthritis Knee Score (MOAKS) instrument. Baseline FT cartilage damage severity was defined as mild, moderate, or severe. PF cartilage damage was defined as mild-moderate vs. severe. A 2nd definition was based on the presence or absence of large BMLs. Quantitative cartilage thickness loss (defined as the difference from baseline to follow-up in mean cartilage thickness in the medial and in the lateral femorotibial joint, which were computed by summing the cartilage thickness measures observed in the respective cartilage plates) was derived from baseline and 24-month manual segmentations. Between-group comparisons were performed using analysis of covariance (ANCOVA) adjusting for age, sex and body mass index. RESULTS: 410 (65%) knees were categorized as mild, 92 (15%) as moderate, and 124 (20%) as severe medial FT cartilage damage. For almost all categories of FT cartilage damage, the difference in quantitative medial FT cartilage loss was not statistically significant. Only for the category of knees with moderate medial FT cartilage damage, statistically higher rates of FT cartilage loss were observed for those with large PF BMLs compared to those without (mean adjusted difference -0.128 mm, 95% confidence interval [-0.238, -0.018], p=0.023). CONCLUSIONS: Screening for PF cartilage damage and BMLs does not appear to be required in a disease-modifying OA drug trial.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».