Impact of sleep disorder treatment on fatigue in multiple sclerosis
Notice bibliographique
Résumé
BACKGROUND: We recently reported that sleep disorders are significantly associated with fatigue in multiple sclerosis (MS). OBJECTIVE: The objective of this paper is to assess the effects of sleep disorder treatment on fatigue and related clinical outcomes in MS. METHODS: This was a controlled, non-randomized clinical treatment study. Sixty-two MS patients completed standardized questionnaires including the Fatigue Severity Scale (FSS), Multidimensional Fatigue Inventory (MFI), Epworth Sleepiness scale (ESS) and Pittsburgh Sleep Quality Index (PSQI), and underwent polysomnography (PSG). Patients with sleep disorders were offered standard treatment. Fifty-six subjects repeated the questionnaires after ≥ three months, and were assigned to one of three groups: sleep disorders that were treated (SD-Tx, n=21), sleep disorders remaining untreated (SD-NonTx, n=18) and no sleep disorder (NoSD, n=17). RESULTS: FSS and MFI general and mental fatigue scores improved significantly from baseline to follow-up in SD-Tx (p <0.03), but not SD-NonTx or NoSD subjects. ESS and PSQI scores also improved significantly in SD-Tx subjects (p <0.001). Adjusted multivariate analyses confirmed significant effects of sleep disorder treatment on FSS (-0.87, p = 0.005), MFI general fatigue score (p = 0.034), ESS (p = 0.042) and PSQI (p = 0.023). CONCLUSION: Treatment of sleep disorders can improve fatigue and other clinical outcomes in MS.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».