Rethinking the role of cartilage loss: the influence of intra- and extra-articular factors on symptoms in advanced knee osteoarthritis
Notice bibliographique
Résumé
Aims: Understanding the factors contributing to pain and function limitation in knee osteoarthritis (OA) is crucial to optimize the individual patient's management. This study aimed to quantify the role of cartilage degeneration, as well as other intra- and extra-articular factors, in determining clinical symptoms in patients with advanced knee OA. Methods: Subjects were selected from the Osteoarthritis Initiative database based on the criteria: Kellgren-Lawrence (KL) grades 3 to 4 and baseline clinical and MRI data. The analyzed data were: demographic parameters, KL grade, subchondral bone without cartilage coverage, anterior knee pain due to patellar quadriceps tendinitis, effusion, anserine bursa tenderness, meniscal extrusion, Hoffa's inflammation, bone marrow lesions (BMLs), visual analogue scale for pain, Western Ontario and McMaster Universities osteoarthritis index (WOMAC) total score, and WOMAC pain subscale. Results: The multivariate analysis on 233 knees demonstrated that VAS was influenced by the percentage of femoral subchondral bone without cartilage coverage (p < 0.001/η² = 0.058), patellar quadriceps tendinitis (p = 0.004/η² = 0.036), BMI (p = 0.013/η² = 0.027), age (p = 0.026/η² = 0.022), and anserine bursa tenderness (p = 0.033/η² = 0.020). However, the WOMAC total score was influenced by patellar quadriceps tendinitis (p < 0.001/η² = 0.114), BMI (p = 0.001/η² = 0.045), female sex (p = 0.016/η² = 0.025), and medial compartment BMLs (p = 0.015/η² = 0.029), but not by the extent of cartilage damage. Conclusion: The extent of cartilage degeneration influences the pain level, but is not the main factor driving the overall symptoms experienced in advanced knee OA. Other intra- and extra-articular factors, including patellar quadriceps tendinitis, anserine bursa tenderness, BMLs, and BMI have a greater impact on pain and functional impairment, and should be considered when choosing the most suitable treatment approach to manage knee OA patients.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».