C-reactive Protein Is a More Sensitive and Specific Marker for Diagnosing Bacterial Infections in Systemic Lupus Erythematosus Compared to S100A8/A9 and Procalcitonin
Notice bibliographique
Résumé
OBJECTIVE: C-reactive protein (CRP), S100A8/A9, and procalcitonin have been suggested as markers of infection in patients with systemic lupus erythematosus (SLE). We investigated the clinical significance of these factors for indication of infection in SLE. METHODS: Blood samples were prospectively collected from 34 patients with SLE who had bacterial infections and 39 patients with SLE who had disease flares and no evidence of infection. A second set of serum samples was collected after the infections or flares were resolved. RESULTS: CRP levels of SLE patients with infections were higher than those with flares [5.9 mg/dl (IQR 2.42, 10.53) vs 0.06 mg/dl (IQR 0.03, 0.15), p < 0.001] and decreased after the infection was resolved. S100A8/A9 and procalcitonin levels of SLE patients with infection were also higher [4.69 μg/ml (IQR 2.25, 12.07) vs 1.07 (IQR 0.49, 3.05) (p < 0.001) and 0 ng/ml (IQR 0-0.38) vs 0 (0-0) (p < 0.001), respectively]; these levels were also reduced once the infection disappeared. In the receiver-operating characteristics analysis of CRP, S100A8/A9, and procalcitonin, the area under the curve was 0.966 (95% CI 0.925-1.007), 0.732 (95% CI 0.61-0.854), and 0.667 (95% CI 0.534-0.799), respectively. CRP indicated the presence of an infection with a sensitivity of 100% and a specificity of 90%, with a cutoff value of 1.35 mg/dl. CONCLUSION: Our data suggest that CRP is the most sensitive and specific marker for diagnosing bacterial infections 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».