Managing fatigue in Parkinson's disease: Preparing for a randomized controlled trial
Notice bibliographique
Résumé
Background Fatigue in Parkinson's disease (PD) is a common, debilitating symptom often overlooked in research and clinical practice. Effective interventions are needed to mitigate its impact on people with PD. Objective This pilot study evaluated the feasibility of the individual videoconference version of the Packer Managing Fatigue program for people with PD and explored its preliminary effectiveness versus usual care to inform the design of a definitive trial. Here we report on the second objective. Methods A two-arm, assessor-masked, randomized controlled pilot study recruited participants with PD who experience severe fatigue, have English proficiency, and internet access. Outcome measures included occupational performance, satisfaction with performance, occupational balance, fatigue impact, quality of life, and sleep. Mixed repeated-measures ANOVA and non-parametric tests were used for analysis. Results Mixed-design ANOVA (N = 25) showed an exploratory trend toward significant for the Time × Group interaction effect differences in satisfaction with performance between groups over time ( p = 0.09). Paired t-tests within the intervention group indicated significant improvement in satisfaction with performance ( p = 0.04). The effect size for this outcome was moderate. Small to moderate effect sizes were observed for occupational balance, occupational performance, and subscales of the Multidimensional Fatigue Inventory. Other measures showed negligible effects. Conclusions The results provide preliminary evidence of the program's benefits for people with PD. Larger, more rigorous studies are needed to confirm its effectiveness. Despite the small sample size and challenges posed by COVID-19, this study offers valuable insights into recruitment strategies and effect sizes to inform future trial designs.
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 | 0,025 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».