Perceived quality of life, fatigue and the metabolic cost of walking in generalized hypermobility spectrum disorder and hypermobile Ehlers-Danlos syndrome
Notice bibliographique
Résumé
Introduction Individuals with hypermobile Ehlers-Danlos Syndrome (hEDS) and Hypermobility Spectrum Disorders (HSD) often experience chronic pain, leg fatigue and/or pain, which may contribute to a higher metabolic cost of walking. How these subjective measures may manifest in an elevated metabolic cost of transport and perceived pain at varying walking speeds remains to be evaluated. Methods We recruited 11 HSD/hEDS participants (33 ± 14 yrs, 170 ± 6. cm, weight 71 ± 11 kg) and 11 age- and sex-matched controls. Self-reported subjective outcome measures of health-related quality of life, fatigue severity, and foot function were evaluated prior to treadmill walking using the 36-Item Short Form Health Survey (SF-36) and the Fatigue Severity Scale (FSS). Participants also rated their self-perceived leg pain/fatigue following 3 x 6 min of treadmill walking at 80%, 100% and 120% of preferred walking speed (PWS). Cost of transport (CoT) was calculated from indirect calorimetry. Results CoT was significantly higher in HSD/hEDS compared to CON at all speeds ( p = 0.034). CoT was significantly higher at 80% PWS compared to both 100% and 120% PWS in HSD/hEDS. HSD/hEDS reported significantly poorer health outcomes across all SF-36 domains ( p < 0.05), significantly poorer foot function ( p < 0.001) and significantly higher fatigue severity ( p < 0.001) prior to walking. Despite similar PWS (1.1 ± 0.3 m⸱s -1 ), Leg pain/fatigue immediately following walking was significantly higher in HSD/hEDS compared to CON (group main effect p < 0.001) and increased with speed in HSD/hEDS (p = 0.011). The physical function domain was significantly related post-walking leg pain/fatigue, and perceived energy prior to walking (all r > 0.69, p < 0.001). Discussion These results have important implications for exercise prescription in individuals with HSD/hEDS whose CoT is higher during walking, which may exacerbate already elevated symptoms of pain and fatigue.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».