MétaCan
Menu
Retour à la cohorte
Enregistrement W191665454 · doi:10.1186/ar3950

Lymphoma risk in systemic lupus: effects of treatment versus disease activity

2012· article· en· W191665454 sur OpenAlexafffund
AE Clarke, Sasha Bernatsky, KH Costenbader, Murray B. Urowitz, Gladman Dd, Paul R. Fortin, Michelle Petri, S Manzi, David Isenberg, Anisur Rahman, DJ Wallace, Caroline Gordon, Christine Peschken, MA Dooley, EM Ginzler, Cynthia Aranow, S M Edworthy, Ola Nived, Søren Jacobsen, Guillermo Ruiz‐Irastorza, Edward H. Yelin, SG Barr, Lindsey A. Criswell, Gunnar Sturfelt, Lene Dreyer, Irene Blanco, Lena Gottesman, CH Feldman, Rosalind Ramsey‐Goldman

Notice bibliographique

RevueArthritis Research & Therapy · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensUniversity of CalgaryToronto Western HospitalUniversity of ManitobaUniversité LavalUniversity of TorontoMcGill University Health Centre
Organismes subventionnairesNational Institutes of HealthCanadian Arthritis NetworkNational Institute of Arthritis and Musculoskeletal and Skin DiseasesArthritis SocietyLupus Research AllianceArthritis Foundation
Mots-clésMedicineRheumatologyInternal medicineLymphomaSystemic lupus erythematosusOncologySystemic lupusSystemic diseaseDisease

Résumé

récupéré en direct d'OpenAlex

We recently evaluated the risk of malignancy in SLE by linking a multi-site international SLE cohort with regional tumor registries. Across 28 centers, 15,980 patients were observed for 119,846 (average 7.5) person-years. In total, 641 cancers occurred, for an overall standardized incidence ratio (SIR) of 1.14 (95% CI = 1.06 to 1.24). Hematologic malignancies were substantially increased (SIR = 3.01, 95% CI = 2.47 to 3.62), particularly non-Hodgkin's lymphoma (NHL; SIR = 4.36, 95% CI = 3.43 to 5.47) and leukemia (SIR = 1.76, 95% CI = 1.04 to 2.78) [ 1 ]. Yet the relative influence of treatment versus disease activity is unknown. Our objective was to determine the relative importance of drugs versus disease activity in mediating the increased risk of lymphoma. We performed case-cohort analyses within this multi-site SLE cohort. Adjusted hazard ratios (HRs) for lymphoma were generated in multivariate regression models, for time-dependent exposures to immunomodulators (cyclophosphamide, azathioprine, methotrexate, mycophenolate, antimalarials, glucocorticoids), disease activity (mean adjusted SLEDAI-2K), demographics, calendar year, Sjögren's syndrome, and SLE duration. Partially adjusted models were also performed, using only covariates whose HR CI excluded the null. Sensitivity analyses were performed, lagging cyclophosphamide exposures by 5 years. Medications were treated both categorically (ever/never) and as cumulative doses. We studied 64 lymphomas (61 NHL, three Hodgkin's) and 4,739 cancer-free controls. As in the general population, lymphoma risk in SLE was higher in males and with age. Lymphomas occurred a mean of 13.1 years (standard deviation 9.8) after SLE diagnosis. Univariate analyses suggested a decreased lymphoma risk within the highest tertile of disease activity (relative to those with the lowest activity) but in fully adjusted models (using all variables listed above), the CI included the null (Table 1 ). Sensitivity analyses, lagging cyclophosphamide exposures, yielded similar results. In a partially adjusted model (retaining age and highest tertile of disease activity), the HR suggested a twofold lymphoma risk after cyclophosphamide. Despite a trend towards greater cyclophosphamide use in cases versus controls, in fully adjusted models, no drug was estimated to be an independent risk factor. Still, due to correlation, it remains difficult to differentiate the effects of medications from disease activity. We did not definitively demonstrate an increased risk for any medications, despite a trend to greater cyclophosphamide use in the lymphoma cases. If anything, we noted a protective effect for very high SLE disease activity. Further work will focus on genetic profiles that might interact with medication exposures to influence lymphoma risk in SLE.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,281
Score d'incertitude au seuil0,874

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,365
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArthritis Research & TherapyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207