Association of baseline MRI-defined structural features with knee symptom trajectories over nine years: Data from the osteoarthritis initiative (OAI)
Notice bibliographique
Résumé
The development of knee symptoms in OA over time can present with multiple phenotypes. This study aims to identify MRI-defined predictors of trajectories of knee symptoms. All knees in the Osteoarthritis Initiative (OAI) with at least one baseline score of 0 from one of four knee symptom measurements were included. These measurements included pain severity, knee pain frequency, and the Western Ontario and McMaster Universities Osteoarthritis Index knee pain and knee function scores. The latent class mixed model (LCMM) was employed to categorize knees into different trajectories and to assess their association with various MRI-defined structural features while controlling for important covariates. A total of 1221 knees were grouped into two classes: 596 with a minimal knee symptom trajectory and 625 with a rapidly progressive trajectory. The class-membership model revealed that the following variables were associated with being in the rapidly progressive phenotype: bone marrow lesions (BMLs) score (Odds Ratio (OR) of 1.12 [95% Confidence Interval (CI): 1.03, 1.22]) for each unit increase in BML total size scores; females, widespread pain, CES-D, overweight, and obesity. The age group 65 to 79 vs. that of 45 to 55 and highest year of education completed were less likely to be associated with the rapidly progressive knee pain group. Other covariates were not significant. Two distinct phenotypes/trajectories were consistently identified across all four knee symptom measurements in a multi-trajectory model. Modifiable factors such BMLs, BMI, widespread pain and depression may serve as indicators of higher risk of rapid knee symptom progression.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».