Resilience and its associations in children with Systemic Lupus Erythematosus and Juvenile Idiopathic Arthritis
Notice bibliographique
Résumé
BACKGROUND: Resilience has been shown to be associated with better psychological outcomes and ability to cope with negative and traumatic events in the healthcare setting. Therefore, in this study, we aimed to evaluate resilience and its association with disease activity and health-related quality of life (HRQOL) in children with Systemic Lupus Erythematosus (SLE) and Juvenile Idiopathic Arthritis (JIA). FINDINGS: Patients with diagnoses of SLE or JIA were recruited. We collected: demographic data, medical history and physical examination, physician and patient global health assessments, Patient Reported Outcome Measurement Information System questionnaires, Connor Davidson Resilience Scale 10 (CD-RISC 10), Systemic Lupus Erythematosus Disease Activity Index, and clinical Juvenile Arthritis Disease Activity Score 10. Descriptive statistics were calculated, and PROMIS raw scores were converted to T-scores. Spearman's correlations were performed, with statistical significance set to p < 0.05. 47 study subjects were recruited. The average CD-RISC 10 score in SLE was 24.4, and in JIA was 25.2. In children with SLE, CD-RISC 10 was correlated with disease activity and inversely correlated with anxiety. In children with JIA, resilience was inversely associated with fatigue, and positively correlated with mobility and peer relationships. CONCLUSIONS: In children with SLE and JIA, resilience is lower than in the general population. Further, our results suggest that interventions to increase resilience may improve the HRQOL of children with rheumatic disease. Ongoing study of the importance of resilience in this population, as well as interventions to increase resilience, will be an important area of future research in children with SLE and JIA.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».