Frequency and determinants of flare and persistently active disease in systemic lupus erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Selection of flare as the primary outcome variable in systemic lupus erythematosus (SLE) clinical trials fails to capture patients with persistently active disease (PAD). We sought to elucidate the frequency and determinants of flare and PAD. METHODS: Prospectively collected data from the Toronto Lupus Cohort were used to determine the incidence of flare and PAD in 2004 and 2005. Flare was defined as an increase in SLE Disease Activity Index 2000 update (SLEDAI-2K) score of >/=4 from the previous visit. PAD was defined as a SLEDAI-2K score of >/=4, excluding serology alone, on >/=2 consecutive visits. Data from 1, 2, and 3 years prior were used to model flare and PAD in 2004. Model properties were tested for prediction of flare and PAD in 2005. RESULTS: One-third of the patients had >/=1 flare, whereas nearly half experienced PAD in a given year. Nearly 60% of the patients had episodes of flare or PAD per year. At least 25% of patients had PAD without achieving the definition of flare. In the best-fitting model, predictors of PAD in 2004 were SLEDAI-2K score at the start of the outcome interval and prior cutaneous or musculoskeletal disease activity. This model gave 79% correct prediction of PAD in 2005. In contrast, flare prediction models performed poorly. CONCLUSION: Persistent activity is a common disease state in SLE and should be an outcome variable in SLE clinical trials. Our PAD prediction model may aid prognostication and selection of patients for inclusion in clinical trials.
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 | 0,001 | 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 ».