Repeatability of objective bone and joint measures in the knee using weight-bearing computed tomography: three-dimensional quantification of bone mineral density, joint space width, and subchondral bone plate thickness
Notice bibliographique
Résumé
Abstract Bone alterations and degenerative joint structural changes are frequently observed in knee osteoarthritis (OA). Objective measures of subchondral bone plate thickness (SBP.Th), apparent BMD, and joint space width (JSW) have begun to be used to better assess and understand disease progression. Weight-bearing CT (WBCT) allows 3D assessment of multiple bone and joint parameters; however, there is a paucity of literature investigating factors that might affect our ability to track changes over time. The purpose of this study was to investigate the repeatability of BMD, JSW, and SBP.Th measures obtained from WBCT images. Same-day, scan–rescan, knee WBCT images were acquired from 37 healthy adults (20 female, mean age: 24.6 yr). We quantified trabecular bone BMD at the proximal tibia and implemented joint space and cortical bone mapping to measure tibiofemoral JSW and SBP.Th, respectively. Test–retest repeatability was evaluated using coefficients of variation (CVRMS%) and least significant change (LSC). Mean trabecular BMD exhibited CVRMS% ranging from 1.87% to 2.85% and LSCs between 13.53 and 17.39 mgHA/cm3. For JSW, CVRMS% and LSC were less than 1% and 0.2 mm, respectively. SBP.Th measures had higher CVRMS% (9.75%-11.29%) but similar LSC values (0.09-0.26 mm) in comparison to JSW values. The high repeatability of subchondral bone and joint parameters underscore the potential of WBCT for quantifying and monitoring bone and joint changes in knee OA progression and management. However, standardization of acquisition and analysis methods will likely be required to ensure reliable evaluation over multiple time points.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».