Risks, Subtypes, and Hospitalization Costs of Stroke Among Patients with Systemic Lupus Erythematosus: A Retrospective Cohort Study in Taiwan
Notice bibliographique
Résumé
OBJECTIVE: To compare risks, subtypes, and hospitalization costs of stroke between cohorts with and without systemic lupus erythematosus (SLE). METHODS: From the catastrophic illnesses registry of Taiwan's universal health insurance claims data, we identified 13,689 patients with SLE diagnosed in 1997-2008 and selected 54,756 non-SLE controls, frequency-matched with age (every 5 years), sex, and index year. Age-specific and type-specific stroke incidence, hazard, and cost of stroke were compared between the 2 cohorts to the end of 2008. RESULTS: Compared with the non-SLE cohort, the risk of stroke was 3.2-fold higher in the SLE cohort (5.53 vs 1.74 per 1000 person-years) with an overall adjusted HR of 2.90 (95% CI 2.52-3.33). The age-specific risk was the highest in patients 1-17 years old (HR 163, 95% CI 22.2-1197) and decreased as age increased (p = 0.004). Hypertension and renal disease were the most important comorbidities in the SLE cohort predicting stroke risk (HR 1.75, 95% CI 1.28-2.39 and HR 1.66, 95% CI 1.32-2.10, respectively). There were more hemorrhagic strokes in the SLE cohort than in the non-SLE cohort, but not significantly (28.0% vs 23.4%; p = 0.10). The hospitalization cost for stroke patients was more than twice the cost for those with SLE than for those without (p < 0.0001). CONCLUSION: Stroke risk and hospital care costs are considerably greater for patients with SLE than without. The relative risk of stroke is the highest in young 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».