Factors associated with damage accrual in patients with systemic lupus erythematosus: results from the Systemic Lupus International Collaborating Clinics (SLICC) Inception Cohort
Notice bibliographique
Résumé
BACKGROUND AND AIMS: We studied damage accrual and factors determining development and progression of damage in an international cohort of systemic lupus erythematosus (SLE) patients. METHODS: The Systemic Lupus International Collaborating Clinics (SLICC) Inception Cohort recruited patients within 15 months of developing four or more 1997 American College of Rheumatology (ACR) criteria for SLE; the SLICC/ACR damage index (SDI) was measured annually. We assessed relative rates of transition using maximum likelihood estimation in a multistate model. The Kaplan-Meier method estimated the probabilities for time to first increase in SDI score and Cox regression analysis was used to assess mortality. RESULTS: We recruited 1722 patients; mean (SD) age 35.0 (13.4) years at cohort entry. Patients with damage at enrolment were more likely to have further worsening of SDI (SDI 0 vs ≥1; p<0.001). Age, USA African race/ethnicity, SLEDAI-2K score, steroid use and hypertension were associated with transition from no damage to damage, and increase(s) in pre-existing damage. Male gender (relative transition rates (95% CI) 1.48 (1.06 to 2.08)) and USA Caucasian race/ethnicity (1.63 (1.08 to 2.47)) were associated with SDI 0 to ≥1 transitions; Asian race/ethnicity patients had lower rates of new damage (0.60 (0.39 to 0.93)). Antimalarial use was associated with lower rates of increases in pre-existing damage (0.63 (0.44 to 0.89)). Damage was associated with future mortality (HR (95% CI) 1.46 (1.18 to 1.81) per SDI point). CONCLUSIONS: Damage in SLE predicts future damage accrual and mortality. We identified several potentially modifiable risk factors for damage accrual; an integrated strategy to address these may improve long-term outcomes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».