Prognostic Indicators of Hospitalized Patients with Systemic Lupus Erythematosus: A Large Retrospective Multicenter Study in China
Notice bibliographique
Résumé
OBJECTIVE: To investigate the mortality of hospitalized patients with systemic lupus erythematosus (SLE) and determine the influential factors associated with poor prognosis. METHODS: Medical records of 1956 SLE inpatients from 15 hospitals during the period January 1, 1999, to December 31, 2009, were reviewed. All patients were followed up in January 2010. Potential factors associated with mortality were analyzed, comparing patients who were living with those who were deceased. The independency of those factors significantly related to death was determined by Cox regression analysis. RESULTS: Male to female ratio was 1:15 in this cohort; median age at disease onset was 30 years. Hematologic (70.0%), mucocutaneous (68.2%), musculoskeletal (57.9%), and renal (48.7%) involvements were most often seen in these patients at time of admission. The overall mortality was 8.5% (n = 166), with infection (25.9%), renal failure (19.3%), and neuropsychiatric lupus (18.7%) the leading 3 causes of death. Independent predictors for mortality in this cohort of SLE patients were neuropsychiatric involvement [hazard ratio (HR) 2.19], anemia (HR 1.69), SLEDAI score > 8 at discharge (HR 1.64), increased serum creatinine (HR 1.57), low serum albumin (HR 1.56), cardiopulmonary involvement (HR 1.55), and patient untreated before admission (HR 1.48), whereas the use of antimalarial drugs (HR 0.62) and positive anti-Sm antibody (HR 0.60) were shown to be protective factors. CONCLUSION: SLE patients with delayed treatment and refractory disease have poorer prognosis. A high incidence of death would be expected if they have neuropsychiatric involvement, anemia, azotemia, or cardiopulmonary involvement. Combination therapy with antimalarial drugs may provide some benefit to patients with SLE.
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 | 0,001 | 0,001 |
| 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 ».