Mechanical Pain is a Main Type of Pain in Patients With Advanced Knee Osteoarthritis
Notice bibliographique
Résumé
Objectives This study aimed to investigate the prevalence and risk factors of mechanical pain in patients with advanced knee osteoarthritis (KOA), providing insights for targeted treatment approaches. Methods We conducted a cross‐sectional study involving 920 patients with KOA. The sample size was determined using the formula n = ( Z 2 ∗ P ∗(1 − P ))/ E 2 , assuming a 95% confidence interval (CI) and a 5% margin of error. Data on demographics and affected knee parameters, including age, sex, body mass index (BMI), affected side, Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) scores, range of motion, degree of varus, and numeric rating scale (NRS) were collected. Pain was categorized using the painDETECT questionnaire and WOMAC scores to differentiate between simple mechanical pain, mixed mechanical pain, and probable neuropathic pain (NP). Results Among participants, 43.48% experienced simple mechanical pain, 33.48% had mixed mechanical pain, and 23.04% reported probable NP. Significant differences were observed in the total WOMAC scores, range of motion (bend), and NRS across the three groups. Gender distribution varied significantly, with a higher proportion of female patients in each pain category. Notably, NRS on the affected side was moderately correlated with the total WOMAC pain score ( r = 0.500, ∗ p < 0.05). Moreover, female patients exhibited significantly higher WOMAC pain scores (6.28) compared with males (6.08), and women with a WOMAC pain score > 4 had an odds ratio (OR) of 2.462 (95% CI: 1.766–3.433, ∗ p < 0.05) compared with those with a score ≤ 4. Conclusions Mechanical pain is highly prevalent in patients with advanced KOA. Identifying the specific type of mechanical pain and associated risk factors, such as female gender and higher NRS score, can facilitate personalized pain management.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».