An Analysis of Connective Tissue Disease-associated Interstitial Lung Disease at a US Tertiary Care Center: Better Survival in Patients with Systemic Sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To compare survival of patients with connective tissue disease-associated interstitial lung disease (CTD-ILD) versus idiopathic pulmonary fibrosis (IPF) and patients with systemic sclerosis-associated ILD (SSc-ILD) versus other CTD-ILD followed at our center. METHODS: We used the Stanford ILD database, which contains prospectively collected information on patients with ILD evaluated at our tertiary care center from 2002 to 2009. Survival at last followup from time of ILD diagnosis was calculated using the Kaplan-Meier estimator. Prognostic factors for survival in the overall cohort (IPF and CTD-ILD) and in the CTD-ILD group were identified with univariate and multivariate Cox regression models. RESULTS: Of 427 patients with ILD, 148 (35%) had IPF and 76 (18%) had CTD-ILD at the baseline visit. The cumulative incidence of CTD was 4%. After a median followup of 4 years, 67 patients (36.4%) had died and 4 (2.2%) were lost to followup. Patients with IPF (n = 122) and CTD-ILD (n = 62) experienced similar survival rates (5-year survival about 50%). Patients with SSc-ILD (n = 24) experienced better survival than those with other CTD-ILD (n = 38), with 1-year, 3-year, and 5-year survival rates of 100%, 90%, and 77%, respectively, versus 78%, 42%, and 38% (p = 0.01). The presence of SSc in patients with CTD-ILD decreased the risk of death by > 80% even after correcting for age at ILD diagnosis, sex, and ethnicity (HR = 0.17, 95% CI 0.04-0.83). CONCLUSION: Survival in patients with SSc-ILD was better than in patients with other CTD-ILD, potentially related to routine screening for and early detection of ILD in patients with SSc at our center.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».