Psoriatic and psoriatic arthritis patients with and without jet-lag: does it matter for disease severity scores? Insights and implications from a pilot, prospective study
Notice bibliographique
Résumé
Background: Jet-lag may affect air-travelers crossing at least two time-zones and has several health-care implications. It occurs when the human biological rhythms are out of synch with respect to the day-night cycle at the country destination. Its effect in psoriasis is missing. We aimed to evaluate the effect of Jet-lag in psoriatic patients’ management. Methods: This is a prospective observational study that enrolled psoriatic patients that underwent a flight: patients who experienced jet-lag were compared to patients who did not experience jet-lag. Before the flight, a dermatologist recorded clinical and demographical data with particular attention to Psoriasis Area Severity Index (PASI) and Disease Activity in Psoriatic Arthritis (DAPSA). Patients performed Self-Administered Psoriasis Area Severity Index (SAPASI), the Dermatology Life Quality Index (DLQI) and the pruritus Visual Analog Scale (VAS) scores. After the flight, patients completed the SAPASI, DLQI and pruritus-VAS scores. Results: The sample recruited comprised of 70 psoriatic patients aged 42.4 ± 9.7 years (median 42.5 years). Thirty (42.9%) were males, mean BMI was 25.5 ± 2.2 kg/m2. Average disease duration was 15.2 ± 7.1 years, and 20 (28.6%) subjects had developed PsA. Average hours of flight were 5.4 ± 3.5 (median 3.5 h), with 34 (48.6%) subjects reporting jet-lag. At the multivariate regression analysis, the change in the SAPASI score resulted correlated with jet-lag (regression coefficient 1.63, p = .0092), as well the change in the DLQI score (regression coefficient = 1.73, p = .0009), but no change on the pruritus VAS scale was found. Conclusions: The present study suggests that jet-lag may influence disease severity and DLQI scores, but not itch in psoriatic 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 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 ».