Poor Outcomes After Acute Myocardial Infarction in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Systemic lupus erythematosus (SLE) is associated with higher risk for acute myocardial infarction (MI); but the post-infarction outcomes among these patients are unknown. Our objective was to compare post-acute MI outcomes in patients with SLE to those with diabetes mellitus (DM) and those with neither condition. METHODS: We analyzed the risk for prolonged hospitalization and in-hospital mortality following acute MI in the 1993-2002 US Nationwide Inpatient Sample. We used logistic regression to calculate odds ratios (OR) for prolonged hospitalization and Cox proportional hazards regression to calculate hazard ratios (HR) for in-hospital mortality with and without adjustments for age, sex, race/ethnicity, socioeconomic status, and presence of congestive heart failure. RESULTS: For the SLE (n = 2192), DM (n = 236,016), SLE/DM (n = 474), and control (n = 667,956) groups, the in-hospital mortality rates were 8.3%, 6.2%, 5.7%, and 4.7%, respectively. In multivariable regression models, all 3 disease groups had higher adverse outcome risk compared to control. The OR for prolonged hospitalization was higher for those with SLE (OR 1.48, 95% CI 1.32-1.79) compared to those with DM (OR 1.30, 95% CI 1.28-1.32). A similar pattern was observed for hazard ratios for in-hospital mortality as well (SLE, HR 1.65, 95% CI 1.33-2.04; DM, HR 1.11, 95% CI 1.07-1.14). CONCLUSION: SLE, like DM, increases risk of poor outcomes after acute MI. These patients need to be triaged appropriately for aggressive care.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».