A Cross‐Sectional Study of Quality of Life and Body Image in Myasthenia Gravis Patients: A Novel Approach Using the Individualized Neuromuscular Quality of Life Questionnaire
Notice bibliographique
Résumé
INTRODUCTION/AIMS: Many generic and disease-specific quality of life (QoL) measures have been used to understand the perspectives of patients with myasthenia gravis (MG). However, there is limited data regarding the use of the Individualized Neuromuscular Quality of Life Questionnaire (INQoL) and the impact of body image in patients with MG. METHODS: This was a cross-sectional cohort of 258 patients with MG who completed several QoL measures, including the INQoL, 36-Item Short Form Survey (SF-36) and 15-Item Myasthenia Gravis Quality of Life Scale (MG-QoL15). We compared scores of different QoL measures with each other and also compared SF-36 scores to the general population. Linear regression models were built to investigate factors associated with QoL and body image in MG patients. RESULTS: MG patients had lower SF-36 scores compared to the general population. Of the different QoL measures, the INQoL correlated the strongest with the MG-QoL15 (r = 0.80, p < 0.05). Worse QoL (measured by the INQoL) was significantly correlated with increased disease severity (p = 0.0054) and fatigue (p = 0.0019), younger age (p = 0.0471), and retirement (p = 0.0450). Worse INQoL body image scores were significantly associated with increased fatigue (p = 0.0189) and ptosis severity (p = 0.0298). DISCUSSION: The INQoL showed that body image is negatively affected in people with MG, suggesting it poses a burden and may be worth considering when measuring QoL. Further studies are needed to assess other factors associated with reduced body image, besides ptosis and fatigue, in people living with MG.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».