Notice bibliographique
Résumé
OBJECTIVE: To assess the effects of glatiramer acetate and beta interferon on fatigue in multiple sclerosis. METHODS: Fatigue was measured at baseline and six months using the fatigue impact scale (FIS). Groups (glatiramer acetate and beta interferon) were evaluated for the proportion improved, using Fisher's exact test. Logistic regression analysis assessed the relation between treatment group and improvement and controlled for confounding variables. RESULTS: Six month paired FIS assessments were available for 218 patients (76% female). Ages ranged between 19 and 61 years, with 86% having relapsing-remitting disease. Glatiramer acetate was used by 61% and beta interferon by 39%. At baseline, total FIS and subscale scores were comparable in the two groups. More patients improved on glatiramer acetate than on beta interferon on total FIS (24.8% v 12.9%, p = 0.033; adjusted odds ratio = 2.36, 95% confidence interval 1.03 to 5.42), and on physical (28.6% v 14.1%, p = 0.013) and cognitive subscales (21.1% v 10.6%, p = 0.045). Logistic regression analysis confirmed the association between glatiramer acetate use and improved fatigue, after accounting for baseline group differences. CONCLUSIONS: The odds of reduced multiple sclerosis fatigue were around twice as great with glatiramer acetate treatment as with beta interferon. Confirmation of this result is required.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».