Fatigue in young people with Duchenne muscular dystrophy
Notice bibliographique
Résumé
AIM: To describe fatigue in Duchenne muscular dystrophy (DMD) from patients' and parents' perspectives and to explore risk factors for fatigue in children and adolescents with DMD. METHOD: A multicentre, cross-sectional study design was used. Seventy-one patients (all males; median age 12y, age range 5-17y) identified via the Canadian Neuromuscular Disease Registry, and their parents completed questionnaires. Subjective fatigue was assessed using the Pediatric Quality of Life Inventory Multidimensional Fatigue Scale by child self-report and parent proxy-report. RESULTS: Patients with DMD across ages and disease stages experienced greater fatigue compared to typically developing controls from published data. Sleep disturbance symptoms were associated with greater fatigue by child self-report (ρ=-0.42; p=0.003) and parent proxy-report (ρ=-0.51; p<0.001). Depressive symptoms were associated with greater fatigue by child self-report (ρ=-0.46; p<0.001) and parent proxy-report (ρ=-0.45; p<0.001). Lower functional ability was associated with greater fatigue by parent proxy-report (ρ=0.26; p=0.03). Physical activity level, and musculoskeletal, respiratory, and cardiac function were not associated with fatigue. INTERPRETATION: In paediatric DMD, sleep disturbance symptoms and depressive symptoms are potentially modifiable factors associated with fatigue, warranting additional investigation to facilitate the development of therapeutic strategies to reduce fatigue. WHAT THIS PAPER ADDS: Fatigue is a major issue in paediatric Duchenne muscular dystrophy (DMD) across ages and disease stages. Sleep disturbance and depressive symptoms are significantly associated with fatigue in paediatric DMD.
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 | 0,000 | 0,000 |
| 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 ».