Assessment of Risks of Pulmonary Infection During 12 Months Following Immunosuppressive Treatment for Active Connective Tissue Diseases: A Large-scale Prospective Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: Pulmonary infections (PI) are leading causes of death in patients with connective tissue diseases (CTD). The PREVENT study (Pulmonary infections in patients REceiving immunosuppressiVE treatmeNT for CTD) assessed risk of PI in patients with active CTD in the contemporary era of advanced immunosuppressive therapy. METHODS: In patients who started corticosteroids (n = 763), conventional immunosuppressants or biologics for active CTD were enrolled. Clinical and laboratory data, usage of drugs, and occurrence of PI were collected for 12 months. Baseline risk factors were investigated using Cox regression analysis. A nested case-control (NCC) study was performed with 1:2 matched case-control pairs to assess the risk for each drug category. RESULTS: During the observation period, 32 patients died (4.2%) and 66 patients were lost to followup (8.6%). Patients with PI (n = 61, 8%) had a significantly worse accumulated survival rate than patients without (p < 0.01). Cox hazard regression analysis using baseline data showed that these factors were significantly associated with PI: age ≥ 65 years (HR 3.87, 95% CI 2.22-6.74), ≥ 20 pack-years of smoking (2.63, 1.37-5.04), higher serum creatinine level (1.21, 1.05-1.41 per 1.0 mg/dl increase), and maximum prednisolone (PSL) dose during the first 2 weeks of treatment (2.81, 1.35-5.86 per 1.0 mg/kg/day increase). Logistic regression analysis by an NCC study revealed that maximum PSL dose within 14 days before PI (OR 4.82, 95% CI 1.36-17.01 per 1.0 mg/dl increase; 2.57, 1.28-5.16 if ≥ 0.5 mg/kg/day) was significantly associated with the events, while other immunosuppressants were not. CONCLUSION: Physicians should be aware of the higher risks for corticosteroids of PI than other immunosuppressants and assess these risk factors before immunosuppressive treatment, to prevent PI.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».