Comparative study for fatigue prevalence in subjects with diseases: a systematic review and meta-analysis
Notice bibliographique
Résumé
Fatigue is one of the common symptoms in individuals with diseases or disorders, significantly affecting quality of life (QoL) and the prognosis of diseases. This study aimed to comprehensively compare the features of fatigue across a wide range of diseases. We systematically searched the PubMed and Cochrane Library databases from inception to March 31st, 2021, and conducted a meta-analysis to generate precise estimates. The analyses were stratified by classification of diseases, gender, and severity of fatigue (moderate and severe), and study quality was assessed using the Newcastle-Ottawa Scale (NOS). In total, 214 articles (233 prevalence data) met our eligibility criteria, covering 102,024 participants (mean 438 ± 1,421) across 88 diseases. Among these, seventy-eight data sets (52,082 participants) and thirty-nine data sets (10,389 participants) reported gender- and severity-related fatigue prevalence. The overall prevalence among subjects with 88 diseases was 49.4% [95% CI 46.9-52.1]. According to the International Classification of Diseases-10 (ICD-10) classification, the highest prevalence of fatigue (65.9% [95% CI 54.9-79.6]) was observed in patients with mental/behavioral diseases, whereas the lowest prevalence (34.7% [95% CI 24.5-49.2]) was found among those with circulatory system diseases. A slight female dominance (43.5% vs. 49.8%) was observed in the total data, with the most notable female predominance (1.8-fold) seen in patients with low back pain. The top disease groups with a moderate to severe level of fatigue included gastroparesis (92.3%), pulmonary hypertension (90.0%), chronic obstructive pulmonary disease (COPD, 83.2%), and multiple sclerosis (80.0%). These results are the first to comprehensively show the comparative features of fatigue prevalence among subjects across 88 diseases. Our findings provide valuable reference data for future research on fatigue and for the management of patients with fatigue.Prospero registration number: CRD42021270494.
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 | 0,019 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,049 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».