Determinants of persistent symptoms after treatment for Lyme borreliosis: a prospective observational cohort study
Notice bibliographique
Résumé
BACKGROUND: Patients treated for Lyme borreliosis (LB) frequently report persistent symptoms. Little is known about risk factors and etiology. METHODS: In a prospective observational cohort study with a follow-up of one year, we assessed a range of microbiological, immunological, genetic, clinical, functional, epidemiological, psychosocial and cognitive-behavioral variables as determinants of persistent symptoms after treatment for LB. Between 2015 and 2018 we included 1135 physician-confirmed LB patients at initiation of antibiotic therapy, through clinical LB centers and online self-registration. Two reference cohorts of individuals without LB (n = 4000 and n = 2405) served as a control. Prediction analyses and association studies were used to identify determinants, as collected from online questionnaires (three-monthly) and laboratory tests (twice). FINDINGS: Main predictors of persistent symptoms were baseline poorer physical and social functioning, higher depression and anxiety scores, more negative illness perceptions, comorbidity, as well as fatigue, cognitive impairment, and pain in 295 patients with persistent symptoms. The primary prediction model correctly indicated persistent symptoms in 71.0% of predictions (AUC 0.79). In patients with symptoms at baseline, cognitive-behavioral responses to symptoms predicted symptom persistence. Of various microbiological, immunological and genetic factors, only lower IL-10 concentrations in ex vivo stimulation experiments were associated with persistent symptoms. Clinical LB characteristics did not contribute to the prediction of persistent symptoms. INTERPRETATION: Determinants of persistent symptoms after LB were mainly generic, including baseline functioning, symptoms and cognitive-behavioral responses. A potential role of host immune responses remains to be investigated. FUNDING: Netherlands Organisation for Health Research and Development (ZonMw); the Dutch Ministry of Health, Welfare and Sport (VWS).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».