Rheumatic Disease Among Oklahoma Tribal Populations: A Cross-sectional Study
Notice bibliographique
Résumé
OBJECTIVE: Rheumatic diseases cause significant morbidity within American Indian populations. Clinical disease presentations, as well as historically associated autoantibodies, are not always useful in making a rapid diagnosis or assessing prognosis. The purpose of our study was to identify autoantibody associations among Oklahoma tribal populations with rheumatic disease. METHODS: Oklahoma tribal members (110 patients with rheumatic disease and 110 controls) were enrolled at tribal-based clinics. Patients with rheumatic disease (suspected or confirmed diagnosis) were assessed by a rheumatologist for clinical features, disease criteria, and activity measures. Blood samples were collected and tested for common rheumatic disease autoantibodies [antinuclear antibody (ANA), anti-cyclic citrullinated peptide antibodies (anti-CCP), rheumatoid factor (RF), anti-Ro, anti-La, anti-Sm, anti-nRNP, anti-ribosomal P, anti-dsDNA, and anticardiolipins]. RESULTS: In patients with suspected systemic rheumatic diseases, 72% satisfied American College of Rheumatology classification criteria: 40 (36%) had rheumatoid arthritis (RA), 16 (15%) systemic lupus erythematosus, 8 (7%) scleroderma, 8 (7%) osteoarthritis, 4 (4%) fibromyalgia, 2 (2%) seronegative spondyloarthropathy, 1 Sjögren's syndrome, and 1 sarcoidosis. Compared to controls, RA patient sera were more likely to contain anti-CCP (55% vs 2%; p < 0.001) or RF IgM antibodies (57% vs 10%; p < 0.001); however, the difference was greater for anti-CCP. Anti-CCP positivity conferred higher disease activity scores (DAS28 5.6 vs 4.45; p = 0.021) while RF positivity did not (DAS28 5.36 vs 4.64; p = 0.15). Anticardiolipin antibodies (25% of rheumatic disease patients vs 10% of controls; p = 0.0022) and ANA (63% vs 21%; p < 0.0001) were more common in rheumatic disease patients. CONCLUSION: Anti-CCP may serve as a more specific RA biomarker in American Indian patients, while the clinical significance of increased frequency of anticardiolipin antibodies needs further evaluation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».