Thrombosis in Systemic Lupus Erythematosus and Other Autoimmune Diseases of Recent Onset
Notice bibliographique
Résumé
OBJECTIVE: To determine the risk of thrombosis in patients with systemic lupus erythematosus (SLE) and other autoimmune diseases of recent onset. METHODS: A retrospective cohort of 482 patients, mean age 28.3 years, with SLE or other autoimmune diseases was analyzed. Followup started at diagnosis or first appointment within 12 months since diagnosis until the development of thrombosis, end of study, loss to followup, or death. Thromboses were diagnosed upon clinical manifestations and confirmed by appropriate studies. Clinical variables were retrieved from the medical records, and SLE activity was assessed from the medical notes at onset of thrombosis, or at a dummy date for thrombosis, using the SLE Disease Activity Index-2K. RESULTS: During 2936 patient-years of followup, thromboses occurred in 49 patients (20.3%) with SLE and 6 patients (2.5%) with other autoimmune diseases. The incidence rate of thrombosis was 36.3 and 3.8 per 1000 patient-years in SLE and in other autoimmune diseases, respectively; relative risk 9.6 (95% CI 4.1-27.4, p<0.0001). Throughout the disease course, the risk of thrombosis remained high in the SLE group, while in patients with other autoimmune diseases this risk was lower. The incidence of venous and arterial thrombosis was similar among SLE patients and patients with other autoimmune diseases. SLE and venous insufficiency were associated with thromboses in the total study population, and with venous insufficiency, vasculitis, and disease activity in the SLE group. CONCLUSION: Patients with autoimmune diseases, particularly SLE, are at an increased risk of thrombosis. In patients with SLE, the risk remains elevated throughout the course of the disease.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».