Fatigue levels and associated factors in systemic sclerosis: a cross-sectional study of 2385 SPIN Cohort participants
Notice bibliographique
Résumé
OBJECTIVES: The objectives of this study were to compare fatigue in a large multinational SSc cohort with general population data and identify associated sociodemographic, lifestyle and SSc disease factors. METHODS: Scleroderma Patient-centered Intervention Network Cohort participants completed the Patient-Reported Outcomes Measurement Information System-29 v2.0 fatigue domain. T-scores were compared with the USA general population (mean = 50; s.d. = 10). Multivariable linear regression was used to assess associations with sociodemographic, lifestyle, and disease-related variables. RESULTS: Among the 2385 participants [mean age 54.9 (s.d. = 12.6) years, 87% female, 38% dcSSc], the mean fatigue T-score was 54.6 (s.d. = 11.0); 438 (18%) reported mild fatigue, 641 (27%) moderate fatigue, and 180 (8%) severe fatigue. Fatigue was independently associated with sociodemographic factors age [-0.10 points per year, (95% CI -0.14, -0.07)], male sex [-1.67 points, (-2.96, -0.37)], non-married status [0.97 points (0.04, 1.89)] and country [reference USA; France -2.35 points (-3.48, -1.21) and UK 2.38 points (0.80, 3.97)], and lifestyle factors smoking [4.16 points (2.52, 5.80)], alcohol consumption [-0.18 points per drink per week (-0.28, -0.07)] and BMI [0.34 points per unit (0.27, 0.42)]. Fatigue was associated with disease-related factors, including gastrointestinal involvement [4.21 points (2.99, 5.43)], digital ulcers [1.51 points, (0.25, 2.77)], moderate small joint contractures (1.41 points [0.13, 2.69]), RA [4.34 points (2.37, 6.31)] and SS [1.89 points (0.23, 3.55)]. When pain was included in the model, its association was large [2.19 points (2.03, 2.34)], and interstitial lung disease was also associated [1.21 points (0.42, 2.00)]. CONCLUSION: In people with SSc, fatigue scores were substantially higher than in the general population and associated with multiple disease factors, including gastrointestinal involvement, several painful disease manifestations, and lung involvement.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».