Overall and Cause‐Specific Mortality in Patients With Systemic Lupus Erythematosus: A Meta‐Analysis of Observational Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To determine the magnitude of risk from all-cause and cause-specific mortality in patients with systemic lupus erythematosus (SLE) compared to the general population through a meta-analysis of observational studies. METHODS: We searched the Medline and Embase databases from their inception to October 2011. Observational studies that met the following criteria were assessed: 1) a prespecified SLE definition; 2) overall and/or cause-specific deaths, including cardiovascular disease (CVD), infections, malignancy, and renal disease; and 3) reported standardized mortality ratios (SMRs) and 95% confidence intervals (95% CIs). We calculated weighted-pooled summary estimates of SMRs (meta-SMRs) for all-cause and cause-specific mortality using the random-effects model and tested for heterogeneity using the I(2) statistic by using Stata/IC statistical software. RESULTS: We identified 12 studies comprising 27,123 patients with SLE (4,993 observed deaths) that met the inclusion criteria. Overall, there was a 3-fold increased risk of death in patients with SLE (meta-SMR 2.98, 95% CI 2.32-3.83) when compared with the general population. The risks of death due to CVD (meta-SMR 2.72, 95% CI 1.83-4.04), infection (meta-SMR 4.98, 95% CI 3.92-6.32), and renal disease (SMR 7.90, 95% CI 5.50-11.00) were significantly increased. Mortality due to malignancy was the only cause-specific entity not increased in SLE (meta-SMR 1.19, 95% CI 0.89-1.59). CONCLUSION: The published data indicated a 3-fold increase in all-cause mortality in patients with SLE compared to the general population. Additionally, all cause-specific mortality rates were increased except for malignancy, with renal disease having the highest mortality risk.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle