Infections Are Not Increased in Scleroderma Compared to Non-Inflammatory Musculoskeletal Disorders Prior to Disease Onset
Notice bibliographique
Résumé
UNLABELLED: The etiology of scleroderma (SSc) is unknown; immunogenic stimuli such as infections and vaccinations could theoretically be risk factors for scleroderma. Our objective was to assess the relationship between viral and bacterial infections, and vaccinations, prior to diagnosis of SSc compared to non-inflammatory controls. METHODS: A questionnaire was sent to individuals with SSc (n =83) and controls (n=351) with non-inflammatory musculoskeletal (MSK) disorders (osteoarthritis, n = 204; tendonitis, n = 58; fibromyalgia, n= 89) from a rheumatology practice. Questions ascertained past infections, exposure to infectious agents and vaccination history. RESULTS: The response rate was 78% (SSc) and 56% (MSK controls). The mean age was 56 +/- 1.6 (SSc) and 58 +/- 0.9 (MSK); 88% (SSc) and 82% (MSK) were female. No association between prior infections and SSc was observed. In fact, controls were more likely than SSc subjects to report any infection within 1-year prior to disease diagnosis (35% vs. 16%, p<0.006), or to have suffered a trauma to affected joints prior to diagnosis (44% vs. 19%, p<0.0002). Within the 1-year prior to disease diagnosis, controls reported slightly more streptococcal infections (p<0.2), infections with diarrhea and vomiting (p<0.3), and antibiotic use (p<0.09), although none of these results were statistically significant. Histories of any hepatitis, rubella, any bacterial infection, and having had a previous positive tuberculosis skin test were not significantly different between groups and were actually more often reported by the control subjects. SSc reported slightly more hepatitis B (p<0.08), more rheumatic fever (p<0.8) in past, and herpes zoster (p<0.4), although no differences reached significance. CONCLUSION: This study does not support that self-report of symptomatic infections are more likely to occur ever (prior to diagnosis) or within 1-year prior to symptom onset of SSc, or that vaccinations in adulthood trigger SSc.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».