Medication Use in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To evaluate factors affecting therapeutic approaches used in clinical practice for the management of systemic lupus erythematosus (SLE), in a multicenter cohort. METHODS: We combined data from 10 clinical adult SLE cohort registries in Canada. We used multivariate generalized estimating equation methods to model dichotomized outcomes, running separate regressions where the outcome was current exposure of the patient to specific medications. Potential predictors of medication use included demographic (baseline age, sex, residence, race/ethnicity) and clinical factors (disease duration, time-dependent damage index scores, and adjusted mean SLE Disease Activity Index-2K scores). The models also adjusted for clustering by center. RESULTS: Higher disease activity and damage scores were each independent predictors of exposure to nonsteroid immunosuppressive agents, and for exposure to prednisone. This was not definitely demonstrated for antimalarial agents. Older age at diagnosis was independently and inversely associated with exposure to any of the agents studied (immunosuppressive agents, prednisone, and antimalarial agents). An additional independent predictor of prednisone exposure was black race/ethnicity (adjusted RR 1.46, 95% CI 1.18, 1.81). For immunosuppressive exposure, an additional independent predictor was race/ethnicity, with greater exposure among Asians (RR 1.39, 95% CI 1.02, 1.89) and persons identifying themselves as First Nations/Inuit (2.09, 95% CI 1.43, 3.04) than among whites. All of these findings were reproduced when adjustment for disease activity was limited to renal involvement. CONCLUSION: Ours is the first portrayal of determinants of clinical practice patterns in SLE, and offers interesting real-world insights. Further work, including efforts to determine how differing clinical approaches may influence outcome, is in progress.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».