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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».