Understanding the Lexicon of Fatigue in Parkinson’s Disease
Notice bibliographique
Résumé
BACKGROUND: Fatigue in Parkinson's disease (PD) is multifaceted and associated with reduced quality of life. In turn, the language used by people with PD to describe fatigue is variable and poorly understood. We sought to elucidate the lexicon of fatigue using a qualitative grounded theory approach. OBJECTIVE: The objective of this study was to understand how patients with PD describe fatigue. METHODS: A pre-study phase of online journaling (Phase 1) provided information regarding topics of importance to patients. Following this, two independent samples of fatigued subjects were studied. Individuals with PD participated in a telephone interview (Phase 2); interview transcripts were analyzed to develop a detailed codebook. To ensure trustworthiness of the findings, an online survey (Phase 3) was administered to individuals with self-reported PD participating in the online study Fox Insight. The survey included the following question: "How do you define fatigue? Please provide your definition in the space below." The codebook developed from Phase 2 was applied to the Phase 3 responses. RESULTS: Fifteen individuals participated in Phase 2 and 413 individuals completed Phase 3. Fatigue was subdivided into three domains: cognitive, emotional, and physical. Nearly all individuals experienced more than one domain of fatigue. The most common themes included tiredness, lack of energy, and negative motivation. CONCLUSION: Fatigue in PD is multidimensional. Questionnaires that only assess the physical impact of fatigue may not be adequate to capture the broad range of experiences of fatigue among people with PD.
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) | 0,001 | 0,001 |
| 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 ».