Predicting Sjogren's syndrome in patients with recent-onset SLE
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of SS in a cohort of recent-onset SLE patients and evaluate the clinical and immunological variables that may identify SLE patients prone to develop SS. METHODS: A total of 103 patients participating in a prospective cohort of recent-onset SLE were assessed for fulfilment of the American European Consensus Group criteria for SS using a three-phase approach: screening (European questionnaire, Schirmer-I test and wafer test), confirmation (fluorescein staining test, non-stimulated whole-salivary flow and anti-Ro/La antibodies) and lip biopsy. Anti-Ro/SSA and anti-La/SSB antibodies and RF were measured at entry into the cohort and at SS assessment. RESULTS: Ninety-three females and 10 males were included. Mean age at lupus diagnosis was 25.9 ± 8.9 years, and lupus duration at SS assessment was 30.9 ± 9.1 years. SS was diagnosed in 19 (18.5%) patients, all female, and the patients were older at SLE diagnosis than patients without SS (30.8 ± 9.3 vs 24 ± 8.8 years, P = 0.004). Anti-Ro/SSA antibody was more common in SLE-SS patients (84% vs 55%, P = 0.02, LR + 1.53, 95% CI 1.14, 2.04). In the multivariate analysis, age ≥25 years and anti-Ro/SSA antibodies at SLE diagnosis were identified as predictors of SLE-SS, while the absence of anti-Ro/SSA, anti-La/SSB and RF seems to be protective (LR- 0.14, 95% CI 0.02, 0.95). CONCLUSION: The overlap of SLE and SS occurs in almost one-fifth of SLE patients and presents early during its evolution. SLE onset at age ≥25 years plus the presence of anti-Ro/SSA antibody at diagnosis are useful predictors, while the absence of anti-Ro/SSA, anti-La/SSB and RF identifies patients at lowest 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 | 0,000 | 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 ».