Serious infection incidence rates in pediatric systemic lupus erythematosus according to medication use
Notice bibliographique
Résumé
We investigated incidence rates of serious infections among children with systemic lupus erythematosus (SLE) and lupus nephritis (LN) enrolled in Medicaid, the US health insurance program for low-income children and parents. We identified all children aged 5 to <18 years with SLE (≥3 ICD-9 codes of 710.0, each >30 days apart) and LN (≥2 ICD-9 codes for renal disease on/after SLE diagnosis) in the Medicaid Analytic eXtract (MAX) from 2000 to 2006. This dataset contains all outpatient and inpatient Medicaid claims for enrollees in 47 US states and the District of Columbia. Filled prescriptions were documented and patients were classified as new users of hydroxychloroquine (HCQ), corticosteroids (CS) and immunosuppressants (IS). We identified serious infections from hospital discharge diagnosis codes for all infections, and for specific subtypes of infections (bacterial, fungal and viral). We calculated incidence rates per 100 person-years (PY) overall and by medication subgroup. Incidence rate ratios (IRR) (95% CI) were calculated comparing CS, IS and CS+IS with HCQ alone using Poisson models, adjusted for age, sex and duration of enrollment in Medicaid. Among the 2,403 children with SLE who were new medication users, there were 316 serious infections in 2,215 PY. Incidence rates for all serious infections requiring hospitalization varied between 10/100 PY for SLE and 25.7/100 PY for LN. Among children with SLE receiving CS alone, incidence rates of serious infections were 3.5 times higher compared with those not receiving CS or IS. Among children receiving both CS and IS, overall serious infection incidence rates were twice as high compared with children not receiving either medication (Table 1 ). Infection remains a common complication of SLE and is associated with significant morbidity and mortality. We observed high rates of serious infections requiring hospitalization among children with SLE and LN. Those children receiving CS alone or in combination with IS had much higher rates of serious infections, compared with those children receiving HCQ alone.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,001 | 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 ».