Clinical correlates of faecal incontinence in systemic sclerosis: identifying therapeutic avenues
Notice bibliographique
Résumé
Objectives: The aim was to establish the prevalence and severity of faecal incontinence (FI) in SSc, its association with other intestinal manifestations and potential predictors of FI, and its impact on quality of life. Methods: A multicentre, cross-sectional study of 298 SSc subjects followed in the Canadian Scleroderma Research Group cohort was performed using validated questionnaires: Jorge-Wexner score (an FI severity scale), Bristol stool scale (a visual scale of stool consistency) and FI Quality-of-Life scale. Constipation was defined by the Rome III criteria. Associations between the Jorge-Wexner score and other clinical variables were determined using multivariate regression analyses. Results: Eighty-one (27.2%) subjects had FI, which was mild in 37 (12.4%) and moderate to severe in 44 (14.8%). Most patients had well-formed stools, 111 (38.8%) reported constipation and 38 (13.4%) had been previously treated for small intestinal bacterial overgrowth (SIBO). Variables independently associated with FI were: loose vs well-formed stools [odds ratio (OR) = 7.01, 95% CI: 2.09, 23.51)], constipation (OR = 3.64, 95% CI: 1.61, 8.27, P = 0.002), history of SIBO (OR = 2.97, 95% CI: 1.06, 8.27) and urinary incontinence (OR = 2.45, 95% CI: 1.14, 5.27). Quality of life measured with the FI Quality-of-Life scale was inversely correlated with FI severity (correlation coefficients between -0.602 and -0.702, P < 0.001). Conclusion: FI was common and often severe in SSc. Loose stools, SIBO, constipation and urinary incontinence were strongly associated with FI. Other than targeting anorectal dysfunction, concomitant treatment of clinical correlates could lead to improvement in FI and quality of life in SSc.
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 | 0,000 |
| 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 ».