Fatigue is a relevant outcome in patients with myasthenia gravis
Notice bibliographique
Résumé
INTRODUCTION: Patients with myasthenia gravis often experience fatigue, but its effect on quality of life (QoL) is underestimated, and fatigue is rarely measured in clinical trials. METHODS: Two hundred fifty-seven myasthenic patients completed the Neuro-QoL-Fatigue and measures of disease severity and QoL. We studied the relationship between fatigue and clinical and demographic variables. Finally, we studied the responsiveness of the Neuro-QoL-Fatigue in 95 patients receiving treatments for myasthenia and estimated the minimal important difference (MID). RESULTS: Fatigue correlated with greater disease severity (r = 0.52-0.69, P < 0.0001) and worse QoL (r = 0.65-0.75, P < 0.0001). Patients in remission, with minimal manifestations, and pure ocular symptoms reported minimal fatigue. Regression modeling showed that, in addition to its relationship with disease severity, fatigue was worse in females, patients with generalized disease, and those with anxiety/depression. Fatigue improved after immunomodulation (P < 0.0001), and the MID was 5.3 points. DISCUSSION: Fatigue in myasthenia correlates with disease severity, affects QoL, and can improve after treatment. Muscle Nerve 58: 197-203, 2018.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».