Precision Health Approach To Daily Activities And Symptom Severity In Generalized Myasthenia Gravis
Notice bibliographique
Résumé
Myasthenia gravis (MG) is an autoimmune neuromuscular disease that results in fatigable skeletal muscle weakness. Symptom severity typically fluctuates throughout and between days, impacting quality of life. Previous studies have shown conflicting results as to whether physical activity (PA) and sleep are cross-sectionally related to symptom severity (SYM), but the longitudinal relationship within individuals has not been investigated. PURPOSE: To determine whether day-to-day differences in PA and sleep, as observed via a wearable device, are related to fluctuations in self-reported SYM. METHODS: PA and sleep metrics (moderate-vigorous physical activity, light physical activity, steps, inactivity time, sleep duration, sleep efficiency, number of awakenings) were obtained via a wrist-worn accelerometer for 16 participants over 12 weeks. Participants completed nightly surveys reporting their SYM for that day. Continuous variables were scaled within each participant. One group-based and 16 individual cumulative link mixed models were employed to determine the longitudinal associations between PA/sleep metrics and SYM. In the group model, patient characteristics (disease severity, sex, number of comorbidities) were also included. RESULTS: In the group model, female sex, disease severity, and comorbidities were significantly (p < 0.05) positively correlated to SYM (Fig 1). In the individual models, various PA and sleep factors were related to SYM (Fig 2). CONCLUSIONS: PA and sleep may be related to daily fluctuations in MG SYM and precision health/individual models can help determine relevant outcomes.This work was partially funded by the NSERC CREATE Wearable Technology and Collaboration (We-TRAC) Training Program (Project No. CREATE/511166-229 2018), and the Canadian Neuromuscular Disease Registry (CNDR)
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».