A pilot cross-sectional investigation of symptom clusters and associations with patient-reported outcomes in Myalgic Encephalomyelitis/Chronic Fatigue Syndrome and Post COVID-19 Condition
Notice bibliographique
Résumé
BACKGROUND: Myalgic Encephalomyelitis/Chronic Fatigue Syndrome (ME/CFS) is associated with long-term disability and poor quality of life (QoL). Cardinal ME/CFS symptoms (including post-exertional malaise, cognitive dysfunction and sleep disturbances) have been observed in Post COVID-19 Condition (PCC). To gain further insight into the potential role of ME/CFS as a post-COVID-19 sequela, this study investigates associations between symptoms and patient-reported outcomes, as well as symptom clusters. METHODS: Participants included Australian residents aged between 18 and 65 years formally diagnosed with ME/CFS fulfilling the Canadian or International Consensus Criteria or PCC meeting the World Health Organization case definition. Validated, self-administered questionnaires collected participants' sociodemographic and illness characteristics, symptoms, QoL and functional capacity. Associations between symptoms and patient-reported outcomes were investigated with multivariate linear regression models. Hierarchical cluster analysis was performed to identify symptom clusters. RESULTS: Most people with ME/CFS (pwME/CFS) and people with PCC (pwPCC) were female (n = 48/60, 80.0% and n = 19/30, 63.3%, respectively; p = 0.12). PwME/CFS were significantly younger (x̄=41.75, s = 12.91 years) than pwPCC (x̄=48.13, s =10.05 years; p =0.017). Autonomic symptoms (notably dyspnoea) were associated with poorer scores in most patient-reported outcome domains for both cohorts. None of the four symptom clusters identified were unique to ME/CFS or PCC. Clusters were largely delineated by the presence of gastrointestinal and neurosensory symptoms, illness duration, ME/CFS criteria met and total symptoms. CONCLUSIONS: Illness duration may explain differences in symptom burden between pwME/CFS and pwPCC. PCC diagnostic criteria must be refined to distinguish pwPCC at risk of long-term ME/CFS-like illness and subsequently deliver necessary care and support.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».