The 1000 Canadian Faces of Lupus: Determinants of Disease Outcome in a Large Multiethnic Cohort
Notice bibliographique
Résumé
OBJECTIVE: To describe disease expression and damage accrual in systemic lupus erythematosus (SLE), and determine the influence of ethnicity and socioeconomic factors on damage accrual in a large multiethnic Canadian cohort. METHODS: Adults with SLE were enrolled in a multicenter cohort. Data on sociodemographic factors, diagnostic criteria, disease activity, autoantibodies, treatment, and damage were collected using standardized tools, and results were compared across ethnic groups. We analyzed baseline data, testing for differences in sociodemographic and clinical factors, between the different ethnic groups, in univariate analyses; significant variables from univariate analyses were included in multivariate regression models examining for differences between ethnic groups, related to damage scores. RESULTS: We studied 1416 patients, including 826 Caucasians, 249 Asians, 122 Afro-Caribbeans, and 73 Aboriginals. Although the overall number of American College of Rheumatology criteria in different ethnic groups was similar, there were differences in individual manifestations and autoantibody profiles. Asian and Afro-Caribbean patients had more frequent renal involvement and more exposure to immunosuppressives. Aboriginal patients had high frequencies of antiphospholipid antibodies and high rates of comorbidity, but disease manifestations similar to Caucasians. Asian patients had the youngest age at onset and the lowest damage scores. Aboriginals had the least education and lowest incomes. The final regression model (R2=0.27) for higher damage score included older age, longer disease duration, low income, prednisone treatment, higher disease activity, and cyclophosphamide treatment. CONCLUSION: There are differences in lupus phenotypes between ethnic populations. Although ethnicity was not found to be a significant independent predictor of damage accrual, low income was.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».