Sociodemographic, disease, and symptom correlates of fatigue in systemic sclerosis: Evidence from a sample of 659 Canadian Scleroderma Research Group Registry patients
Notice bibliographique
Résumé
OBJECTIVE: To assess fatigue levels and demographic, socioeconomic, disease, and psychosocial correlates of fatigue in patients with systemic sclerosis (SSc). METHODS: We conducted a cross-sectional, multicenter study of 659 patients with SSc from the Canadian Scleroderma Research Group Registry. Fatigue was assessed during annual Registry visits with the Short Form 36 (SF-36) health survey vitality subscale. Patients completed measures of depressive symptoms and pain and underwent clinical histories and medical examinations. Kendall's tau was used to assess bivariate association of sociodemographic, medical, and psychosocial variables with fatigue. Multivariable associations of demographic (step 1), socioeconomic (step 2), global disease (step 3), specific disease and lifestyle (step 4), and psychosocial (step 5) factors with fatigue were assessed using hierarchical multiple linear regression. RESULTS: The mean +/- SD score of the patients on the SF-36 vitality subscale was 45.6 +/- 10.8, substantially lower (indicating more fatigue) than the mean +/- SD score for the Canadian general population (65.8 +/- 18.0). In multivariate analysis, higher fatigue was significantly associated with the number of medical comorbidities (standardized beta = -0.11, P = 0.004), breathing problems (standardized beta = -0.23, P < 0.001), the number of gastrointestinal (GI) symptoms (standardized beta = -0.27, P < 0.001), and current smoking (standardized beta = -0.08, P = 0.018). As a group, specific symptom and lifestyle variables predicted the most incremental variance in fatigue (R(2) = 21.6%, P < 0.001), despite being added to the model after demographic, socioeconomic, and global disease duration/severity indicators. Symptoms of depression (beta = -0.42) and pain (beta = -0.21) were also independently associated with fatigue (P < 0.001). CONCLUSION: High levels of fatigue are common in patients with SSc and are independently associated with clinical variables, including number of comorbidities, breathing problems, GI symptoms, and smoking.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».