Fatigue in Inactive Auto-Inflammatory Diseases and Opportunities for Optimizing Clinical Care: A Single-Center Observational Study
Notice bibliographique
Résumé
Objective: To characterize debilitating fatigue in children and adults across inactive auto-inflammatory diseases (AID), identifying distinct disease-specific fatigue phenotypes and modifiable risk factors is necessary for optimal care. Methods: A single-center cohort of consecutive patients with inactive AID between 2007 and 2024 was performed. Demographics, clinical and laboratory features, and treatment were captured. Fatigue was characterized and quantified using the PedsQL-MFS and VAS; the CES-D/CESD-R was applied to assess depression risk. Comparisons were made using non-parametric methods, multivariable regression identified risk factors of fatigue in inactive disease. Results: 66 patients were included: 39 (59%) were children; the median age at symptom onset was 4 years, at treatment start was 8 years, and study follow-up was 7 years. All patients had inactive disease at the last visit. Patients with cryopyrin-associated periodic syndromes (CAPS) had the highest Cognitive Fatigue scores (p = 0.04). Univariate analyses identified higher fatigue scores (1) in adults across all domains except Sleep/Rest (all p ≤ 0.002), (2) in patients with pathogenic/likely pathogenic variants, and (3) for disease duration ≥10 years except Sleep/Rest (all p ≤ 0.01). Depression was the single most important factor associated with fatigue in all domains (p < 0.001). In multivariable analysis, depression remained the strongest predictor of fatigue even when accounting for age, gene variant, disease duration, and treatment delay. Conclusions: Fatigue remains the major burden in AID despite the availability of effective anti-inflammatory therapies. Depression was identified as the strongest determinant of debilitating fatigue in inactive AID. Systematic screening and integrated approaches addressing both psychological and inflammatory domains are essential for optimal care.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».