Risk factors for severe Muckle‐Wells syndrome
Notice bibliographique
Résumé
OBJECTIVE: Muckle-Wells syndrome (MWS) is an inherited autoinflammatory disease resulting in excessive interleukin-1 release. It is unknown whether demographic, clinical, or laboratory characteristics at the time of diagnosis may identify patients who are at high risk for severe disease activity. This study was undertaken to analyze clinical and laboratory features of MWS, compare genetically defined subcohorts, and identify risk factors for severe MWS. METHODS: A multicenter cohort study of consecutive MWS patients was performed. Parameters assessed included clinical features, MWS Disease Activity Score (MWS-DAS), inflammation markers, and cytokine levels. E311K mutation-positive patients were compared with E311K mutation-negative patients. Putative risk factors for severe MWS (defined as an MWS-DAS score of ≥10) were assessed in univariate analyses, and significant predictors were entered into a multivariate model. RESULTS: Thirty-two patients (15 male and 17 female) were studied. The most frequent organ manifestations were musculoskeletal symptoms and eye and skin disorders. Renal disease and hearing loss were seen in >50% of the patients. Genetically defined subcohorts had distinct phenotypes. Severe disease activity was documented in 19 patients (59%). Predictors of severe MWS identified at the time of diagnosis were female sex, hearing loss, musculoskeletal disease, increased erythrocyte sedimentation rate, and low hemoglobin level. Female sex and hearing loss remained significant after adjustment for age in a multivariate model (relative risk 1.8 and 2.6, respectively). CONCLUSION: MWS patients at high risk for severe disease can be identified at the time of diagnosis. Female patients presenting with hearing loss have the highest likelihood of manifesting severe MWS and should be considered a high-risk group.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».