Patterns and influences in health‐related quality of life in children with immune thrombocytopenia: A study from the Dallas ITP Cohort
Notice bibliographique
Résumé
BACKGROUND: Relationships between clinical/demographic factors and health-related quality of life (HRQoL) in childhood immune thrombocytopenia (ITP) remain poorly understood. Recent studies reveal conflicting information about factors that contribute to HRQoL. METHODS: This was a prospective, single-institution, cohort study of newly diagnosed children with ITP. Serial evaluations of HRQoL were performed using the Kid's ITP Tools (KIT), scored from 0 (worst) to 100 (best), at enrollment and 1 week, 6 months, and 12 months following diagnosis. All visits included bleeding severity grading. Relationships between HRQoL and platelet count, treatment, bleeding severity, and course of disease were examined. RESULTS: A total of 99 children with newly diagnosed ITP were evaluable for analysis. KIT scores were low at diagnosis for parents (median 26, range 15-43) and children (median 65, range 55-81) and were not influenced by age or platelet count. At diagnosis, children who received treatment had lower platelet counts (P = 0.005), more severe hemorrhage (P < 0.0125), and lower HRQoL by parent, child, and proxy reporting (P < 0.05). Oral bleeding negatively impacted proxy-reported disease burden at diagnosis (P = 0.01). Persistence of disease and lower platelet counts at 6 and 12 month visits were the only factors noted to consistently impact quality of life beyond diagnosis for both parents and children. CONCLUSIONS: HRQoL is low at diagnosis but significantly improves over time. Patients with ongoing disease and lower platelet counts continue to have significant disease burden.
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) | 0,001 | 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 ».