Systemic Lupus Erythematosus Features in Rheumatoid Arthritis and Their Effect on Overall Mortality
Notice bibliographique
Résumé
OBJECTIVE: Features of systemic lupus erythematosus (SLE) are commonly observed in patients with rheumatoid arthritis (RA). However, their frequency and clinical significance are uncertain. We examined the frequency of SLE features in RA and their effect on overall mortality. METHODS: We assembled a population-based incidence cohort of subjects aged >or=18 years first diagnosed with RA [1987 American College of Rheumatology (ACR) criteria] between 1955 and 1995. Information regarding disease characteristics, therapy, comorbidities, and SLE features (1982 ACR criteria) were collected from the complete inpatient and outpatient medical records. Cox regression models were used to estimate the mortality risk associated with lupus features. RESULTS: The study population comprised 603 subjects with incident RA (mean age 58 yrs, 73% women) with a mean followup time of 15 years. By 25 years after RA incidence, >or=4 SLE features were observed in 15.5% of the subjects with RA. After adjustment for age and sex, occurrence of >or=4 SLE features was associated with increased overall mortality [hazard ratio (HR) 5.54, 95% confidence interval (CI) 3.59-8.53].With further adjustment for RA characteristics, therapy, and comorbidities, the association weakened but remained statistically significant (HR 2.56, 95% CI 1.60-4.08). After adjustment for age, sex, RA characteristics, therapy, and comorbidities, thrombocytopenia (2.0, 95% CI 1.2, 3.1) and proteinuria (1.8, 95% CI 1.3, 2.6) were significantly associated with mortality. CONCLUSION: SLE features were common in RA, given sufficient observation time. Subjects with RA who developed >or=4 SLE features had an increased risk of death. Proteinuria and thrombocytopenia were individually associated with an increased mortality risk.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».