Fatigue Measurements in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Fatigue is a frequent, disabling issue in systemic lupus erythematosus (SLE). It is, however, difficult to quantify. The Ad Hoc Committee on SLE Response Criteria for Fatigue in 2007 recommended using the Krupp Fatigue Severity Scale (FSS). Since then, the Functional Assessment of Chronic Illness Therapy (FACIT)-Fatigue Scale has also been validated in SLE. We performed a review of instruments used to measure fatigue in adult SLE patients from 2007 onward. METHODS: We searched PubMed, Medline, and Embase (January 2008-October 2017), identifying clinical trials and observational studies in adult SLE, where fatigue was a specifically measured outcome. All English and French studies were reviewed to determine fatigue measures and results. RESULTS: Thirty-seven studies met inclusion criteria. Eight scales were used. The visual analog scale (VAS), FSS, and FACIT-Fatigue Scale were most frequent. FSS was the most often used instrument in both clinical trials and observational studies. Twenty-five of the 37 studies demonstrated a difference in fatigue that was statistically significant and clinically meaningful. Of the 12 studies that did not, 6 used FSS, 3 used VAS, 2 used the Multidimensional Assessment of Fatigue, and 1 used the Brief Fatigue Index. All 6 studies using the FACIT-Fatigue Scale detected clinically meaningful and statistically significant differences. CONCLUSION: VAS, FSS, and FACIT-Fatigue Scale were the most frequently used instruments in adult SLE studies from 2008 to 2017. Many studies detected clinically important changes in fatigue. Fatigue remains a key measure in both clinical trials and observational SLE studies.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».