New Features of Disease After Diagnosis in 6 Forms of Systemic Vasculitis
Notice bibliographique
Résumé
OBJECTIVE: To quantify the occurrence of features of vasculitis that initially present after diagnosis in 6 types of primary vasculitis. METHODS: Standardized collection of data on 95 disease manifestations in 6 vasculitides, including granulomatosis with polyangiitis (GPA), microscopic polyangiitis (MPA), eosinophilic granulomatosis with polyangiitis (Churg-Strauss; EGPA), polyarteritis nodosa (PAN), giant cell arteritis (GCA), and Takayasu arteritis (TAK), was obtained within a set of multicenter longitudinal, observational cohorts. For each form of vasculitis, the frequency of disease-specific manifestations at diagnosis was compared to the cumulative frequency of each manifestation. The percentage of patients who initially developed severe manifestations after diagnosis, defined as organ- or life-threatening in the small and medium vessel vasculitides (GPA, MPA, EGPA, PAN) and as ischemic/vascular in the large vessel vasculitides (GCA, TAK), was reported. RESULTS: Out of 838 patients with vasculitis, 490 (59%) experienced ≥ 1 new disease manifestation after diagnosis. On average, patients with vasculitis experienced 1.3 new manifestations after diagnosis (GPA = 1.9, MPA = 1.2, EGPA = 1.5, PAN = 1.2, GCA = 0.7, and TAK = 1.0). New severe manifestations occurred after diagnosis in 224 (27%) out of 838 patients (GPA = 26%, MPA = 19%, EGPA = 21%, PAN = 23%, GCA = 24%, and TAK = 44%). Timing of onset of new manifestations was not significantly associated with disease duration. CONCLUSION: A majority of patients with vasculitis develop new disease features after diagnosis, including a substantial number of new, severe manifestations. Ongoing assessment of patients with established vasculitis should remain broad in scope.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 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 ».