Dimensions of fatigue in systemic lupus erythematosus: relationship to disease status and behavioral and psychosocial factors.
Notice bibliographique
Résumé
OBJECTIVE: To characterize the experience of fatigue in patients with systemic lupus erythematosus (SLE) using a multidimensional assessment and to delineate contributors to physical and mental dimensions of fatigue. METHODS: Fatigue in 130 women with SLE was assessed using the Multidimensional Fatigue Inventory (MFI-20). Participants completed standardized questionnaires assessing sleep quality, depressed mood, social support, and leisure-time physical activity. A clinical examination determined disease activity, cumulative damage, and whether patients fulfilled American College of Rheumatology criteria for fibromyalgia (FM). A series of hierarchical multiple regressions were computed to identify contributors to physical and mental fatigue. RESULTS: Patients scored high on all 5 MFI-20 fatigue dimensions, with general fatigue and physical fatigue having the highest scores. A hierarchical multiple regression showed that greater disease damage and disease activity, the presence of FM, depressed mood, sleep disturbance, and less participation in leisure-time physical activity contributed to higher physical fatigue scores. The results of the second model found depressed mood to be the strongest determinant of mental fatigue. Disease-related variables were not associated with mental fatigue. CONCLUSION: Fatigue in SLE is multidimensional and multidetermined, with physical and mental aspects likely having different etiologies. A multidimensional assessment of fatigue in SLE is needed to tailor and optimize interventions aimed at alleviating fatigue.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».