Predictors of Hip Disease in the Systemic Arthritis Subtype of Juvenile Idiopathic Arthritis
Notice bibliographique
Résumé
OBJECTIVE: Hip involvement occurs in 20%-40% of all cases of juvenile idiopathic arthritis (JIA). Patients with systemic JIA (sJIA) are affected most frequently. The aim of our study was to investigate the predictors of clinical hip disease and radiographic hip damage in sJIA. METHODS: The medical records (1997-2007) of all children (n = 98) with sJIA were reviewed. Potential clinical and laboratory predictors were examined at presentation and at 3 and 6 months. To account for censored observations, we used survival analysis. RESULTS: During the study period, 59 children met our inclusion criteria. The mean age at diagnosis was 7.8 years. Thirty patients (51%) developed clinical hip disease, with 12 (20%) developing radiographic evidence of hip damage. The median time to develop clinical hip disease was 24 months. Using Kaplan-Meier estimates, 25% of patients develop radiographically evident hip damage within 43 months. At presentation, patients in whom clinical hip disease later developed had polyarthritis (hazard ratio 2.51, p = 0.01), elevated IgG (HR 1.12, p = 0.01) and IgM (HR 2.71, p = 0.02), and higher CHAQ scores (HR 1.65, p = 0.02). At 3 months after disease onset, patients in whom radiographic hip damage later developed had fever (HR 4.78, p = 0.02), polyarthritis (HR 4.63, p = 0.02), and higher CHAQ scores (HR 3.20, p = 0.005). At 6 months, polyarthritis was the strongest predictor of both clinical hip disease and radiographic hip damage. CONCLUSION: Half of patients with sJIA develop clinical hip disease a median time of 24 months from diagnosis. Early identification of predictors of hip disease and damage in patients with sJIA may suggest earlier, more aggressive interventions to prevent joint destruction.
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 | 0,003 | 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 ».