The relationship between health related quality of life and disease activity and damage in systemic lupus erythematosus.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the relationship between self-reported quality of life and disease activity, damage, impairment, disability, and handicap in systemic lupus erythematosus (SLE). METHODS: In this cross sectional study disease activity was measured with the Systemic Lupus Erythematosus Disease Activity Index (SLEDAI) and the Systemic Lupus Activity Measure (SLAM), and damage by the Systemic Lupus International Collaborating Clinics/American College of Rheumatology (SLICC/ACR) damage index (SDI). Quality of life was assessed by the Medical Outcome Survey Short Form 36 (SF-36) and the EuroQol (EQ-5D). Multiple linear regression was used to identify significant associations of patients' health status, and logistic regression was used to evaluate the relationship of each of the 5 dimensions of the EQ-5D in terms of impairment, disability, and handicap. RESULTS: Damage was associated with the Physical Function (PF) and Social Function subscales of the SF-36. Disease activity was associated with the General Health (GH) subscale. Ability to carry out usual activities was strongly related to PF and GH as well as to global rating of the thermometer rating scale of the EQ-5D. Role Physical (RP) and Bodily Pain (BP) of the SF-36 were also associated with the EQ-5D rating scale. In addition, patients' ratings of anxiety and depression were strongly related to the Mental Health (MH) summary scale of the SF-36. CONCLUSION: Perceived health status of patients with lupus was associated with disease activity, damage, role physical, bodily pain, capacity for usual activity, and mobility. EQ-5D is a valid instrument for the measure of health related quality of life in SLE.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».