Disparities in rheumatoid arthritis disease activity according to gross domestic product in 25 countries in the QUEST–RA database
Notice bibliographique
Résumé
OBJECTIVE: To analyse associations between the clinical status of patients with rheumatoid arthritis (RA) and the gross domestic product (GDP) of their resident country. METHODS: The Quantitative Standard Monitoring of Patients with Rheumatoid Arthritis (QUEST-RA) cohort includes clinical and questionnaire data from 6004 patients who were seen in usual care at 70 rheumatology clinics in 25 countries as of April 2008, including 18 European countries. Demographic variables, clinical characteristics, RA disease activity measures, including the disease activity score in 28 joints (DAS28), and treatment-related variables were analysed according to GDP per capita, including 14 "high GDP" countries with GDP per capita greater than US$24,000 and 11 "low GDP" countries with GDP per capita less than US$11,000. RESULTS: Disease activity DAS28 ranged between 3.1 and 6.0 among the 25 countries and was significantly associated with GDP (r = -0.78, 95% CI -0.56 to -0.90, r(2) = 61%). Disease activity levels differed substantially between "high GDP" and "low GDP" countries at much greater levels than according to whether patients were currently taking or not taking methotrexate, prednisone and/or biological agents. CONCLUSIONS: The clinical status of patients with RA was correlated significantly with GDP among 25 mostly European countries according to all disease measures, associated only modestly with the current use of antirheumatic medications. The burden of arthritis appears substantially greater in "low GDP" than in "high GDP" countries. These findings may alert healthcare professionals and designers of health policy towards improving the clinical status of patients with RA in all countries.
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 | 0,005 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».