What Makes Patients with Fibromyalgia Feel Better? Correlations Between Patient Global Impression of Improvement and Changes in Clinical Symptoms and Function: A Pooled Analysis of 4 Randomized Placebo-controlled Trials of Duloxetine
Notice bibliographique
Résumé
Objective. To investigate the relationship between changes in clinical rating scale items and endpoint Patient Global Impression of Improvement (PGI-I). Methods. Data were pooled from 4 randomized, double-blind, placebo-controlled studies of duloxetine in patients with fibromyalgia (FM). Variables included in the analyses were those that assessed symptoms in FM domains of pain, fatigue, sleep, cognitive difficulties, emotional well-being, physical function, and impact on daily living. The association of endpoint PGI-I with changes from baseline in individual variables was assessed using Pearson product-moment correlations (r). Stepwise linear regression was used to identify those variables for which changes from baseline were statistically significant independent predictors of the endpoint PGI-I ratings. Results. Changes in pain variables and interference of symptoms with the ability to work were highly correlated (r ≥ 0.5 or r ≤ −0.5) with endpoint PGI-I. Moderate correlation with endpoint PGI-I (0.30 ≤ r < 0.5 or −0.5 < r ≤ −0.30) included changes in variables that assessed physical functioning, depression, anxiety, fatigue, and several variables related to impact on daily living. Independent predictor variables of endpoint PGI-I identified by stepwise linear regression included assessments for pain, physical function, vitality, anxiety, social function, and tender point thresholds. Conclusion. In addition to pain reduction, what makes patients with FM feel better may include improvement in fatigue, physical functioning, mood, and impact on daily living. An assessment of these domains may be important in clinical trials of FM and in the management of patients with FM.
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».