Impact of early disease factors on metabolic syndrome in systemic lupus erythematosus: data from an international inception cohort
Notice bibliographique
Résumé
BACKGROUND: The metabolic syndrome (MetS) may contribute to the increased cardiovascular risk in systemic lupus erythematosus (SLE). We examined the association between MetS and disease activity, disease phenotype and corticosteroid exposure over time in patients with SLE. METHODS: Recently diagnosed (<15 months) patients with SLE from 30 centres across 11 countries were enrolled into the Systemic Lupus International Collaborating Clinics (SLICC) Inception Cohort from 2000 onwards. Baseline and annual assessments recorded clinical, laboratory and therapeutic data. A longitudinal analysis of factors associated with MetS in the first 2 years of follow-up was performed using random effects logistic regression. RESULTS: We studied 1150 patients with a mean (SD) age of 34.9 (13.6) years and disease duration at enrolment of 24.2 (18.0) weeks. In those with complete data, MetS prevalence was 38.2% at enrolment, 34.8% at year 1 and 35.4% at year 2. In a multivariable random effects model that included data from all visits, prior MetS status, baseline renal disease, SLICC Damage Index >1, higher disease activity, increasing age and Hispanic or Black African race/ethnicity were independently associated with MetS over the first 2 years of follow-up in the cohort. CONCLUSIONS: MetS is a persistent phenotype in a significant proportion of patients with SLE. Renal lupus, active inflammatory disease and damage are SLE-related factors that drive MetS development while antimalarial agents appear to be protective from early in the disease course.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».