A case-control study of medical, psychological and socio-economic factors influencing the severity of chronic rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: Chronic rhinosinusitis (CRS) is a common and debilitating disorder. Little is known about the epidemiology of this disease. The aims of the study were to identify differences in socio-economic variables and quality of life between patients with chronic rhinosinusitis and healthy controls, to identify any significant associations between CRS and other medical co-morbidities, psychiatric disease or environmental exposure and to explore the experience of CRS from the perspective of CRS sufferers. METHODS: Participants were recruited from ENT clinics from 30 centres across the UK. They completed a study-specific questionnaire considering environmental, medical and socio-economic factors, and SF-36 and SNOT-22 scores. All participants with CRS were diagnosed by a clinician and categorised as having CRS (with polyposis, without polyposis or allergic fungal rhinosinusitis (AFRS)). Controls included family and friends of those attending ENT outpatient clinics and hospital staff who had no diagnosis of nose or sinus problems and had not been admitted to hospital in the previous 12 months. RESULTS: A total of 1470 study participants (1249 patients and 221 controls) were included in the final analysis. Highly significant differences were seen in generic and disease-specific quality of life scores between CRS sufferers and controls; mean SNOT-22 score 45.0 for CRS compared with 12.1 amongst controls. There were no clear differences in socioeconomic variables including social class, index of multiple deprivation and educational attainment between cases and controls. Common comorbidities with a clear association included respiratory and psychiatric disorders, with a higher frequency of reported upper respiratory tract infections. CONCLUSIONS: CRS is associated with significant impairment in quality of life and with certain medical co-morbidities. In contrast to other common ENT disorders, no socioeconomic differences were found between patients and controls in this study.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».