P.073 Factors associated with fatigue in children and adolescents with Duchenne muscular dystrophy: A Canada-wide cross-sectional survey
Notice bibliographique
Résumé
Background: Fatigue is frequent and disabling in adults with neuromuscular disorders, but not well characterized in paediatric neuromuscular disorders. Recently, fatigue was reported to be associated with poor health-related quality of life in children with Duchenne muscular dystrophy (DMD). Determinants of fatigue—a modifiable symptom—have not been studied in DMD. Our objective was to explore risk factors for fatigue in children with DMD. Methods: Patients aged 4–17 years identified via the Canadian Neuromuscular Disease Registry received mailed questionnaires. Fatigue was assessed using the PedsQL TM Multidimensional Fatigue Scale (patient- and parent-report). Standardized measures for depressive symptoms, sleep disturbances, functional ability and physical activity were used. Spearman’s correlations and Wilcoxon rank-sum tests were computed. Results: Of 194 eligible patients, 64 have responded to date. DMD patients reported greater fatigue than healthy controls from published data. Depressive symptoms were associated with greater fatigue, by patient-report ( ρ =-0.44, P <0.001) and parent-report ( ρ =-0.40, P= 0.002). Sleep disturbances were associated with greater fatigue, by patient-report ( ρ =-0.41, P= 0.007) and parent-report ( ρ =-0.51, P< 0.001). Greater functional ability was associated with less fatigue, by parent-report ( ρ =0.30, P =0.02). Physical activity and ambulatory status were not associated with fatigue. Conclusions: Fatigue is a significant issue in DMD. Depressive symptoms and sleep disturbances are associated with fatigue, warranting attention in therapeutic strategies to reduce 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».