Rheumatism and chronic fatigue, the two facets of post-chikungunya disease: the TELECHIK cohort study on Reunion island
Notice bibliographique
Résumé
Prolonged fatigue is increasingly reported among chikungunya virus (CHIKV)-infected populations. We investigated the relationships between CHIKV exposure, long-lasting rheumatic musculoskeletal pain (LRMSP) and chronic fatigue. 1094 participants (512 CHIKV seropositive and 582 seronegative) of the TELECHIK population-based cohort were analysed considering the duration of the manifestations throughout an average 2-year follow-up. Weighted prevalence rates and prevalence ratios for LRMSP, idiopathic chronic fatigue (ICF), and chronic fatigue syndrome (CFS)-like illness, both latter syndromes adapted from Centers for Disease Control (CDC)-1994/Fukuda criteria, were compared. Population attributable fractions (PAF) were estimated to assess the contribution of CHIKV infection to each of the three phenotypes. Among 362 adult subjects who had reported either rheumatic pain or fatigue at the onset of the infection, weighted prevalence rates of LRMSP, ICF and CFS-like illness were respectively of 32.9%, 38.7% and 23.9%, and of 8.7%, 8.5% and 7.4% among initially asymptomatic peers (P < 0.01, respectively). Each of the three outcomes was highly attributable to chikungunya (PAF of 43.2%, 36.2% and 41.0%, respectively). In the sub-cohort of CHIKV-infected subjects, LRMSP, ICF and CFS-like illness, which overlapped in 70%, accounted for 53% of the chronic manifestations. In addition to rheumatic disease, chronic fatigue could be considered in caring for patients with chronic chikungunya disease.
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 | 0,001 |
| 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) | 0,000 | 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 ».