Bone marrow lesions predict site-specific cartilage defect development and volume loss: a prospective study in older adults
Notice bibliographique
Résumé
Abstract Introduction Recent evidence suggests that bone marrow lesions (BMLs) play a pivotal role in knee osteoarthritis (OA). The aims of this study were to determine: 1) whether baseline BML presence and/or severity predict site-specific cartilage defect progression and cartilage volume loss; and 2) whether baseline cartilage defects predict site-specific BML progression. Methods A total of 405 subjects (mean age 63 years, range 52 to 79) were measured at baseline and approximately 2.7 years later. Magnetic resonance imaging (MRI) of the right knee was performed to measure knee cartilage volume, cartilage defects (0 to 4), and BMLs (0 to 3) at the medial tibial (MT), medial femoral (MF), lateral tibial (LT), and lateral femoral (LF) sites. Logistic regression and generalized estimating equations were used to examine the relationship between BMLs and cartilage defects and cartilage volume loss. Results At all four sites, baseline BML presence predicted defect progression (odds ratio (OR) 2.4 to 6.4, all P < 0.05), and cartilage volume loss (-0.9 to -2.9% difference per annum, all P < 0.05) at the same site. In multivariable analysis, there was a significant relationship between BML severity and defect progression at all four sites (OR 1.8 to 3.2, all P < 0.05) and BML severity and cartilage volume loss at the MF, LT, and LF sites (β -22.1 to -42.0, all P < 0.05). Additionally, baseline defect severity predicted BML progression at the MT and LF sites (OR 3.3 to 3.7, all P < 0.01). Lastly, there was a greater increase in cartilage volume loss at the MT and LT sites when both larger defects and BMLs were present at baseline (all P < 0.05). Conclusions Baseline BMLs predicted site-specific defect progression and cartilage volume loss in a dose-response manner suggesting BMLs may have a local effect on cartilage homeostasis. Baseline defects predicted site-specific BML progression, which may represent increased bone loading adjacent to defects. These results suggest BMLs and defects are interconnected and play key roles in knee cartilage volume loss; thus, both should be considered targets for intervention.
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) | 0,000 | 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) | 0,459 | 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 ».