The Influence of Rheumatoid Arthritis Disease Characteristics on Heart Failure
Notice bibliographique
Résumé
OBJECTIVE: To examine the influence of rheumatoid arthritis (RA) characteristics and antirheumatic medications on the risk of heart failure (HF) in patients with RA. METHODS: A population-based incidence cohort of RA patients aged ≥ 18 years (1987 American College of Rheumatology criteria first met between January 1, 1980, and January 1, 2008) with no history of HF was followed until onset of HF (defined by Framingham criteria), death, or January 1, 2008. We collected data on RA characteristics, antirheumatic medications, and cardiovascular (CV) risk factors. Cox models adjusting for age, sex, and calendar year were used to analyze the data. RESULTS: The study included 795 RA patients [mean age 55.3 yrs, 69% women, 66% rheumatoid factor (RF)-positive]. During the mean followup of 9.7 years, 92 patients developed HF. The risk of HF was associated with RF positivity (HR 1.6, 95% CI 1.0, 2.5), erythrocyte sedimentation rate (ESR) at RA incidence (HR 1.6, 95% CI 1.2, 2.0), repeatedly high ESR (HR 2.1, 95% CI 1.2, 3.5), severe extraarticular manifestations (HR 3.1, 95% CI 1.9, 5.1), and corticosteroid use (HR 2.0, 95% CI 1.3, 3.2), adjusting for CV risk factors and coronary heart disease (CHD). Methotrexate users were half as likely to have HF as nonusers (HR 0.5, 95% CI 0.3, 0.9). CONCLUSION: Several RA characteristics and the use of corticosteroids were associated with HF, with adjustment for CV risk factors and CHD. Methotrexate use appeared to be protective against HF. These findings suggest an independent effect of RA on HF that may be further modified by antirheumatic treatment.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».