Impact of Allergic Rhinitis Symptoms on Quality of Life in Primary Care
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Allergic rhinitis (AR) impairs quality of life (QoL), sleep and work. The Allergic Rhinitis and its Impact on Asthma (ARIA) classification is widely used, but the impact of the different symptoms on QoL is not clear. OBJECTIVE: To describe characteristics of patients consulting in primary care for AR and to study the impact of AR symptoms and the ARIA classes on QoL. METHODS: A multicenter prospective observational cross-sectional study assessed the visual analogue scale (VAS) in the management of AR in 990 patients consulting general practitioners for AR. Patients were classified according to the four classes of ARIA. VAS, Rhinoconjunctivitis Quality of Life Questionnaire (RQLQ) and total symptom score (TSS) for nasal and non-nasal symptoms were evaluated. VAS and TSS measures were compared with RQLQ. RESULTS: Mild intermittent rhinitis was diagnosed in 20% of patients, mild persistent rhinitis in 17%, moderate/severe intermittent rhinitis in 15% and moderate/severe persistent rhinitis in 48%. The presence of treatments did not affect VAS levels. Both severity and duration of rhinitis had an impact on QoL and VAS levels. Ocular symptoms (OR: 2.78, 95% CI: 1.965-3.939) including eyelid edema (OR: 2.07, 95% CI: 1.274-3.360) and asthenia (OR: 2.73, 95% CI: 1.922-3.877) had more impact on RQLQ than nasal obstruction (OR: 1.61, 95% CI: 1.078-2.405) and nasal pruritus (OR 1.45, 95% CI: 1.028-2.042). Sneezing and rhinorrhea did not impact RQLQ. CONCLUSIONS: This study confirmed that ocular symptoms and, to a lesser degree, nasal obstruction and pruritus have a significant impact on QoL.
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.
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 | 0,000 | 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 découle