Sociodemographics and epidemiology of serious infections requiring hospitalization among adults with systemic lupus erythematosus and lupus nephritis, 2000 to 2006
Notice bibliographique
Résumé
Serious infections are among the leading causes of hospitalization, morbidity, and mortality in systemic lupus erythematosus (SLE) patients. Patients with lupus nephritis (LN) may be especially vulnerable. We investigated the sociodemographics and epidemiology of serious infections requiring hospitalization in a nationwide cohort of SLE and LN patients enrolled in Medicaid, the US federal-state insurance for low-income individuals. We used the Medicaid Analytic eXtract (MAX) data system, with billing claims and demographics for >24 million Medicaid enrollees from 47 states and Washington, DC, 2000 to 2006. We identified patients aged 18 to 65 years with prevalent SLE (≥3 visits ≥30 days apart with ICD-9 codes of 710.0) and prevalent LN (≥ICD-9 codes for nephritis, proteinuria and/or renal failure on or after SLE diagnosis, ≥30 days apart). We defined serious bacterial, viral, fungal and mycobacterial infections resulting in hospitalization using a validated administrative database method. We stratified infection prevalence in SLE and LN by subtype, sociodemographic factors (age, sex, race/ethnicity, region, socioeconomic status (SES)), and by a validated SLE comorbidity index. We used Poisson regression to calculate incidence rates (cases/person-years) of first and overall infection, stratified by age, sex and race/ethnicity. We identified 43,274 patients with SLE and 8,096 with LN. Mean age was 38 (SD 12) for SLE and 34 (SD 12) for LN. In the SLE cohort, 93% were female, 38% were Black, 37% White and 15% Hispanic; and in the LN cohort, 89% were female, 48% were Black, 23% White, and 17% Hispanic. We identified 17,055 episodes of serious infections requiring hospitalization in 7,823 SLE patients (28%) and 7,486 episodes in 3,035 LN patients (38%). Among SLE patients, the highest percentages of infections occurred in 35 to 50 year olds, in females, African Americans, in the South and in the lowest SES group (Table 1 ). The incidence rates of serious infection per 100 person-years were 15.4 for SLE and 34.5 for LN. In both cohorts, the majority (98%) of infections were bacterial - pneumonia and bacteremia; the most common viral infections were herpes zoster and influenza. In this diverse, nationwide cohort of SLE and LN patients, we observed a significant burden of serious infections requiring hospitalization, most pronounced in LN patients. Further research is necessary to examine risk factors, particularly medication use, by sociodemographic groups.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».