The Impact of Systemic Lupus Erythematosus on Employment
Notice bibliographique
Résumé
OBJECTIVE: Our primary objective was to examine work status (e.g., job loss, changes in amount worked) and predictors of job loss in patients with systemic lupus erythematosus (SLE). METHODS: Recently diagnosed SLE patients were enrolled in the Carolina Lupus Study between 1997 and 1999; an age-, sex-, and state-matched control group selected through driver's license registries for the 60-county study area was also enrolled. In 2001, a followup study of both groups was conducted (median 4 yrs since diagnosis). Work history data were obtained in an in-person interview at enrollment and a telephone interview at followup. RESULTS: Fifty-one patients (26%) and 26 controls (9%) (p < 0.0001) who were working the year before diagnosis (or for controls, a corresponding reference year) were no longer working at followup; 92% of patients compared with 40% of controls who were no longer working indicated that they had stopped working because of their health (p < 0.0001). College graduates were less likely to quit their jobs due to health compared to non-college graduates (adjusted OR = 0.27, 95% CI 0.09, 0.84). SLE patients with arthritis were 3 times more likely to have left their jobs due to health reasons compared to those who didn't have arthritis (adjusted OR = 3.3, 95% CI 1.2, 8.8); an association was also seen with pleuritis (adjusted OR 2.3, 95% CI 1.1, 4.6). CONCLUSION: The burden expressed as work cessation due to health, especially among lesser educated patients and those with arthritis or pleuritis, is significant even early in the disease process.
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 | 0,000 |
| 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 | 0,001 | 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 ».