Determinants of health-related quality of life in a multinational systemic sclerosis inception cohort.
Notice bibliographique
Résumé
OBJECTIVES: Patients with Behçet's disease (BD) constantly complain of fatigue and many have problems with poor sleep. This ultimately has a major impact on all aspects of normal living. To attempt to understand this, Artificial Intelligence (AI) was used to identify potential biomarkers. These were alpha-melanocyte stimulating hormone (α-MSH), vasoactive intestinal peptide (VIP) and some inflammatory cytokines. We assessed the association of fatigue, quality of sleep and disease activity with circulating concentration of α-MSH, VIP and inflammatory cytokines. METHODS: There were 127 participants, 97 BD patients, and 30 healthy controls (HC). All completed the Multi-Dimensional Assessment of Fatigue questionnaire (MAF) and the Pittsburgh Sleep Quality Index (PSQI) on the day of their clinical assessment. Enzyme-linked immunosorbent assays (ELISA) were used to evaluate the serum concentrations of α-MSH, VIP and cytokines (IL-1β, IL-6, IL-10, and TNF-α). RESULTS: 64% of BD patients experienced high fatigue scores, and 63% had poor quality of sleep. When BD and HC were compared the MAF and PSQI scores as well as the serum concentrations of α-MSH, VIP, and IL-6 were significantly higher in BD (p values were: 0.001, 0.001, 0.001, 0.004 and 0.036, respectively). Both α-MSH and IL-6 had significant impact on MAF and PSQI. Interestingly, VIP had a significant influence on PSQI and disease activity, but not on MAF. CONCLUSIONS: A better understanding of these complex clinical and biochemical interactions between α-MSH, VIP and IL-6 might lead to the development of novel approaches to manage fatigue and sleep disorders as well as disease activity in BD patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».