Serum Albumin as a Marker for Disease Activity in Patients with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To determine whether serum albumin reflects disease activity in patients with systemic lupus erythematosus (SLE) with and without nephritis (LN, LNN), and whether serum albumin could be a surrogate marker of SLE disease activity overall. There is currently no clinical "gold standard" in the assessment of disease activity in SLE. METHODS: Patients with >or= 3 clinic visits within a maximum followup period of 10 years were selected from the University of Toronto Lupus Clinic database. Subjects were divided into 3 groups: LN-B, those with nephritis defined by histological findings on renal biopsies; LN-L, those with nephritis defined by laboratory abnormalities in the absence of biopsy; and LNN, those without nephritis. In a subanalysis, the renal groups were further stratified by proteinuria status. The associations of SLE-Disease Activity Index (SLEDAI-2K) with serum albumin and dsDNA were examined using the mixed model regression analysis. RESULTS: A total of 1078 patients were studied: 89.1% female, 71.5% white, mean age 33.6 (SD 12.6) years, and with median baseline SLEDAI-2K of 8. Serum albumin was more significantly associated with SLEDAI in LN-B and LN-L. The association was also present but weaker in the LNN group. In all LN, the associations between serum albumin and SLEDAI-2K were stronger in those with proteinuria. CONCLUSION: In patients with SLE, higher SLEDAI was associated with lower serum albumin levels.
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 | 0,005 |
| 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 | 0,001 | 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) | 0,001 | 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 ».