Quadriceps Weakness and the Risk of Knee Cartilage Loss on Magnetic Resonance Imaging in a Population-Based Cohort with Knee Pain
Notice bibliographique
Résumé
Objective. To determine whether baseline quadriceps weakness predicts cartilage loss on magnetic resonance imaging (MRI). Methods. Subjects aged 40-79 with knee pain (n=163) were recruited from a random population sample and examined for quadriceps weakness with manual isometric strength testing, using a 3-point scoring system (0=poor resistance, 1=moderate resistance, 2=full resistance), which was dichotomized as normal (grade 2) vs weak (grade 0/1). MRI of the more symptomatic knee was obtained at baseline and at mean of 3.3-years. Cartilage was graded 0-4 on MRI. Exponential regression analysis was used to evaluate whether quadriceps weakness was associated with whole knee cartilage loss and, in secondary analyses with compartment specific cartilage loss, adjusted for age, sex, body mass index, Western Ontario and McMaster Universities Osteoarthritis (WOMAC) pain and baseline MRI cartilage score. Results. Of 163 subjects, 54% were female, mean age 57.7 years. Quadriceps weakness was seen in 11.9% of the subjects. Weakness was a predictor of whole knee cartilage loss (hazard ratio [HR] 3.48, 95% confidence interval [CI] 1.30-9.35). Quadriceps weakness was associated with cartilage loss in the medial tibiofemoral (TF) compartment (HR 4.60, 95% CI 1.25-17.02), while no significant association was found with lateral TF (HR 1.53, 95% CI 0.24-9.78) or patellofemoral compartment (HR 2.76, 95% CI 0.46-16.44). Conclusion. In this symptomatic, population-based cohort, quadriceps weakness predicted whole knee and medial TF cartilage loss after 3 years. This is the first study to show that a simple clinical examination of quadriceps strength can predict the risk of knee cartilage loss.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».