Which symptoms contribute the most to patients’ perception of health in multiple sclerosis?
Notice bibliographique
Résumé
Background Multiple sclerosis is a polysymptomatic disease. Little is known about relative contributions of the different multiple sclerosis symptoms to self-perception of health. Objectives To investigate the relationship between symptom severity in 11 domains affected by multiple sclerosis and self-rated health. Methods Multiple sclerosis patients in two multiple sclerosis centers assessed self-rated health with a validated instrument and symptom burden with symptoMScreen, a validated battery of Likert scales for 11 domains commonly affected by multiple sclerosis. Pearson correlations and multivariate linear regressions were used to investigate the relationship between symptoMScreen scores and self-rated health. Results Among 1865 multiple sclerosis outpatients (68% women, 78% with relapsing–remitting multiple sclerosis, mean age 46.38 ± 12.47 years, disease duration 13.43 ± 10.04 years), average self-rated health score was 2.30 (‘moderate to good’). Symptom burden (composite symptoMScreen score) highly correlated with self-rated health ( r = 0.68, P < 0.0001) as did each of the symptoMScreen domain subscores. In regression analysis, pain ( t = 7.00), ambulation ( t = 6.91), and fatigue ( t = 5.85) contributed the highest amount of variance in self-rated health ( P < 0.001). Conclusions Pain contributed the most to multiple sclerosis outpatients’ perception of health, followed by gait dysfunction and fatigue. These findings suggest that ‘invisible disability’ may be more important to patients’ sense of wellbeing than physical disability, and challenge the notion that physical disability should be the primary outcome measure in multiple sclerosis.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; 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 ».