Serious Infections Among Adult Medicaid Beneficiaries With Systemic Lupus Erythematosus and Lupus Nephritis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To examine the epidemiology of serious infections, a significant cause of morbidity and mortality in systemic lupus erythematosus (SLE), in a nationwide cohort of SLE and lupus nephritis (LN) patients. METHODS: Using the Medicaid Analytic eXtract database for the years 2000-2006, we identified patients ages 18-64 years who had SLE and the subset who had LN. We ascertained cases of serious hospitalized infections using validated algorithms, and we determined 30-day mortality rates. Poisson regression was used to calculate infection incidence rates and multivariable Cox proportional hazards models were used to calculate hazard ratios (HRs) for the first infection, adjusted for sociodemographic variables, medication use, and an SLE-specific risk adjustment index. RESULTS: We identified 33,565 patients with SLE, 7,113 of whom had LN. There were 9,078 serious infections in 5,078 SLE patients and 3,494 infections in 1,825 LN patients. The infection incidence rate per 100 person-years was 10.8 in the SLE cohort and 23.9 in the LN subcohort. In adjusted models for the SLE cohort, we observed increased risks of infection in men as compared to women (HR 1.33 [95% confidence interval (95% CI) 1.20-1.47]), in blacks as compared to whites (HR 1.14 [95% CI 1.06-1.21]), and in users of glucocorticoids (HR 1.51 [95% CI 1.43-1.61]) and immunosuppressive drugs (HR 1.11 [95% CI 1.03-1.20]) as compared to never users. Hydroxychloroquine users had a reduced risk of infection as compared to never users (HR 0.73 [95% CI 0.68-0.77]). The 30-day mortality rate per 1,000 person-years among those hospitalized with infections was 21.4 in the SLE cohort and 38.6 in the LN subcohort. CONCLUSION: In this diverse, nationwide cohort of SLE patients, we observed a substantial burden of serious infections with many subsequent deaths, particularly among those with LN.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle