Living with a systemic autoinflammatory disease: burden of disease and effects on quality of life—an international patient survey
Notice bibliographique
Résumé
Systemic autoinflammatory diseases (SAIDs) significantly impact patients’ and their families’ quality of life (QoL). This international study aimed to evaluate the extent of this burden by gathering patient-reported data on their SAIDs and its effects on daily living and well-being. A 24-question online survey, developed by the Autoinflammatory Alliance and KAISZ/VAISZ in English and Dutch, was distributed internationally from 2017 to 2018. The survey included both closed-ended and open-ended questions addressing the SAID diagnosis and perceived impact on QoL. Participants were recruited through online social media platforms, and responses were collected using convenience sampling. A total of 371 responses were received. Most respondents were from the United States (64%). The most common diagnoses were undifferentiated SAIDs (24%); periodic fever, aphthous stomatitis, pharyngitis, adenitis (19%); and cryopyrin-associated periodic syndrome (12%). Participants saw an average of 6.5 doctors before diagnosis, with 7% seeing over 20 doctors. Common symptoms included headaches (94%), fatigue (86%), pain (80%), and fever (79%). Assessment of QoL revealed an average score of 61 of the 100 between flares, which dropped to 18 of the 100 during flares. Daily activities were severely limited during flares for 52.5% of participants; 81% of participants reported that SAIDs impacted their work, career, or education. This study highlights the profound impact of SAIDs on QoL, emphasising the need for ongoing research and improved care for these rare conditions. Early diagnosis, targeted treatment, and psychosocial support can help mitigate the burden of these diseases.
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».