Arthroplasty Rates Are Increased Among US Patients with Systemic Lupus Erythematosus: 1991–2005
Notice bibliographique
Résumé
OBJECTIVE: To evaluate population-based systemic lupus erythematosus (SLE) arthroplasty rates and compare them with rates in patients with no inflammatory or autoimmune conditions. METHODS: Administrative hospital discharge databases from 10 American states were used to compare knee, hip, and shoulder arthroplasty rates from 1991 to 2005 in patients with SLE and in patients with no inflammatory or autoimmune conditions. RESULTS: Arthroplasties were performed on patients with SLE (n = 4253) and patients with noninflammatory conditions (n = 2,762,660). Arthroplasty rates for patients with noninflammatory conditions almost doubled from 1991 to 2005 (124.5 cases/100,000 persons vs 247.5/100,000; p < 0.001). A similar trend was observed for SLE (0.17/100,000 vs 0.38/100,000; p < 0.001). The mean age at arthroplasty in patients with noninflammatory conditions decreased (71.5 ± 11.8 vs 69.0 ± 12.0; p < 0.001), whereas the mean age in patients with SLE increased (47.3 ± 17.0 vs 56.8 ± 16.0; p < 0.001). When stratified by age and sex, arthroplasty in cases of SLE increased in all groups except for women < 44 years old. In 1991, osteonecrosis accounted for 53% and osteoarthritis (OA) 23% of cases of SLE; by 2005 this relationship had reversed, with osteonecrosis accounting for 24% and OA 61% of cases of SLE. CONCLUSION: From 1991 to 2005, arthroplasty rates increased in patients with SLE in similar proportions to overall joint replacement rates. The age of patients with SLE arthroplasty increased and fewer cases were due to osteonecrosis. These data suggest significant changes are occurring - patients with SLE are now living long enough to develop OA and are healthy enough to undergo elective surgery.
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 | 0,001 |
| 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 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 ».