Longitudinal relationships between free‐living activities, fatigue, and symptom severity in myasthenia gravis using cohort and individualized models
Notice bibliographique
Résumé
INTRODUCTION/AIMS: Fluctuating symptoms and fatigue are common issues in myasthenia gravis (MG), but it is unclear if these symptoms are related to physical activity or sleep patterns. This study sought to determine the day-to-day relationship between patient-reported symptoms and physical activity and sleep over 12 weeks. METHODS: Sixteen participants with generalized MG wore a wrist-mounted accelerometer continuously for the study duration and reported their symptoms and fatigue each evening. Cumulative link mixed models were used to analyze whether clinical and demographic characteristics, physical activity, and sleep were related to symptom severity and fatigue over the study period. Three types of models were constructed: a cohort model, a model in which data was scaled to each participant, and individual models. RESULTS: The cohort model indicated that higher disease severity, female sex, more comorbidities, less physical activity, more inactive time, and lower quantity of sleep were significantly associated with increased symptom severity and fatigue (p < .05). However, in the within-participant scaled model, there were almost no significant associations with physical activity or sleep. In the individual models, some participants showed similar results to the cohort model, but others showed no associations or the opposite response in some variables. DISCUSSION: While physical activity and sleep were associated with self-reported symptoms and fatigue within this population, this was not necessarily applicable to individuals. This demonstrates the importance of an individualized analysis for determining how physical activity and sleep may impact outcomes in MG, with implications for clinical and self-management.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».