Screening cut-off scores for clinically significant fatigue in early Parkinson’s disease
Notice bibliographique
Résumé
Background: Fatigue is one of the most disabling non-motor symptoms in PD. Researchers have previously used cut-offs validated in non-PD conditions when using the Fatigue Severity Scale (FSS) or the Multidimensional Fatigue Inventory (MFI) scores to evaluate fatigue in PD. Objective: We used a set of criteria for diagnosing clinically significant fatigue in PD to identify the proper cut-offs of the FSS and MFI. Methods: One hundred thirty-one PD patients (59F; age 67.3 ± 7.6 y; H&Y 1.6 ± 0.7) were assessed for clinically significant fatigue, followed by the FSS, MFI, Center for Epidemiologic Studies Depression Scale (CES-D), and Montreal Cognitive Assessment (MOCA). Mean scores were compared between 17 patients who met diagnostic criteria (significant fatigue group, SFG) and 114 who did not (non-significant fatigue group, NSFG). Results: =.1) than the NSFG. Using area under the curve (AUC) of receiver operating characteristic (ROC) analyses, we recommend the following cut-offs: 9-item FSS 37; total MFI 60; general fatigue 11; reduced activity 10; physical fatigue 9; mental fatigue 9; and reduced motivation 9. Conclusions: The recommended cut-offs for clinically significant fatigue in the FSS, MFI, and MFI dimensions will be valuable for diagnosing clinically significant fatigue and for future studies in investigating pathophysiology and potential treatments of fatigue in 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».