Idiopathic Inflammatory Myopathy Associated with Malignancy: A Retrospective Cohort of 151 Korean Patients with Dermatomyositis and Polymyositis
Notice bibliographique
Résumé
OBJECTIVE: To define the standardized incidence ratio (SIR) of malignancy and factors associated with malignancies in Korean patients with dermatomyositis (DM) and polymyositis (PM). METHODS: The demographic, clinical, and laboratory features of 151 patients diagnosed with DM/PM were compared in patients with and without malignancies. RESULTS: Malignancies were found in 23 of 98 patients with DM (23.5%) and in 2 of 53 with PM (3.8%). Lung cancer (8 patients) was the most common malignancy. Compared with the period-specific, sex-matched, and age-matched Korean population, the SIR for malignancy in patients with DM was 14.2 (95% CI 9.0-21.3). Univariate analysis showed that factors associated with malignancy included older age (p < 0.001), DM (p = 0.002), dysphagia (p < 0.001), the absence of interstitial lung disease (ILD; p = 0.001), and lower elevations in aspartate aminotransferase (p = 0.005) and lactate dehydrogenase concentrations (p < 0.001). Multivariate analysis showed that factors independently associated with malignancy included older age (per 10 years, OR 2.3, 95% CI 1.6-3.5, p < 0.001), DM (OR 5.9, 95% CI 1.3-26.2, p = 0.020), dysphagia (OR 2.6, 95% CI 1.2-6.6, p = 0.042), and the absence of ILD (OR 0.1, 95% CI 0.01-0.9, p = 0.040). CONCLUSION: DM was associated with a greater risk of concomitant malignancies, especially lung cancer, than PM. Independent factors associated with malignancies in patients with DM/PM were older age, the presence of dysphagia, and the absence of ILD.
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 | 0,000 |
| 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 ».