Measuring fatigue: a meta‐review
Notice bibliographique
Résumé
There is a lack of validated tools to measure fatigue in patients with inflammatory skin, neuropsychiatric, and medical disorders. The use of nonvalidated tools may compromise the quality of data. The purpose of this meta-review was to evaluate existing fatigue scales commonly used to assess fatigue in other inflammatory conditions and to identify if there are scales that have been validated in dermatologic conditions. The PubMed/MEDLINE and SCOPUS databases were systematically searched from inception through March 10, 2020, in accordance with the PRISMA statement. Validated tools were identified and assessed according to their main measurement properties. The literature search identified 403 references, and eight studies were eligible and assessed in this review. The unidimensional fatigue scales included were the Functional Assessment of Chronic Illness Therapy - Fatigue (FACIT-F), Brief Fatigue Inventory, Fatigue Severity Scale, Numerical Rating Scale - Fatigue, and Visual Analog Scale - Fatigue. The multidimensional fatigue scales found were the Checklist Individual Strength, Chalder Fatigue Scale, Multidimensional Assessment of Fatigue, Multidimensional Fatigue Inventory Scale, and Piper Fatigue Scale. To measure fatigue, a brief scale with the ability to detect change is needed as there is a growing interest in evaluating this dimension of treatment response. In addition, a good content validity is also needed. From this systematic review, none of the selected scales have had content validation, even though the FACIT was validated in patients with psoriatic arthritis. Validation studies in specific disorders are urgently warranted.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 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 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 ».