Clinical associations of the metabolic syndrome in systemic lupus erythematosus: data from an international inception cohort
Notice bibliographique
Résumé
BACKGROUND: The metabolic syndrome (MetS) may contribute to increased cardiovascular risk in systemic lupus erythematosus (SLE). We aimed to examine the association of demographic factors, lupus phenotype and therapy exposure with the presence of MetS. METHODS: The Systemic Lupus International Collaborating Clinics Registry for Atherosclerosis inception cohort enrolled recently diagnosed (<15 months) SLE patients from 30 centres across 11 countries from 2000. Clinical, laboratory and therapeutic data were collected according to a standardised protocol. MetS was defined according to the 2009 consensus statement from the International Diabetes Federation. Univariate and backward stepwise multivariate logistic regression were used to assess the relationship of individual variables with MetS. RESULTS: We studied 1686 patients, of whom 1494 (86.6%) had sufficient data to determine their MetS status. The mean (SD) age at enrolment and disease duration was 35.2 years (13.4) and 24.1 weeks (18.0), respectively. MetS was present at the enrolment visit in 239 (16%). In backward stepwise multivariable regression analysis, higher daily average prednisolone dose (mg) (OR 1.02, 95% CI 1.00 to 1.03), older age (years) (OR 1.04, 95% CI 1.03 to 1.06), Korean (OR 6.33, 95% CI 3.68 to 10.86) and Hispanic (OR 6.2, 95% CI 3.78 to 10.12) ethnicity, current renal disease (OR 1.79, 95% CI 1.14 to 2.80) and immunosuppressant use (OR 1.81, 95% CI 1.18 to 2.78) were associated with MetS. CONCLUSIONS: Renal lupus, higher corticosteroid doses, Korean and Hispanic ethnicity are associated with MetS in SLE patients. Balancing disease control and minimising corticosteroid exposure should therefore be at the forefront of personalised treatment decisions in SLE patients.
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 | 0,002 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».