Predictors of Incident Seizure in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: The risk factors for incident seizures in systemic lupus erythematosus (SLE) were prospectively determined in a cohort study. METHODS: A total of 2203 patients with SLE followed longitudinally in the Hopkins Lupus Cohort were analyzed. Demographic variables, clinical manifestations, laboratory tests, and SLE disease activity were recorded at each quarterly visit. Adjusted estimates of association of risk factors for onset of seizure were derived using pooled logistic regression. We examined incident seizures in 3 ways: at the time of diagnosis, more than 45 days after the diagnosis of SLE, and after cohort entry. RESULTS: Of 2203 patients with no history of seizure prior to SLE diagnosis, 157 (7.13%) had the first seizure occurrence at the time of (37 patients, 1.68%) or after diagnosis (120 patients, 5.45%) of SLE. The risk of seizure occurring around the time of SLE diagnosis was higher in patients with a history of malar rash (p = 0.002), proteinuria (p = 0.004), and psychosis (p < 0.001). Multivariable analysis of the first seizure occurring after the diagnosis of SLE showed that history of low C3 (p = 0.0078), psychosis (p < 0.0001), cranial or peripheral neuropathy (p = 0.0043), anti-Sm antibody (p = 0.0551), renal involvement (p = 0.0177), and current corticosteroid dose (p < 0.0001) were independently associated with a higher incidence of seizure. Disease activity was not predictive after adjusting for corticosteroids. CONCLUSION: Risk of seizure after diagnosis of SLE is increased in those patients with prior psychosis, neuropathy, proteinuria, anti-Sm, low C3, and use of corticosteroids.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».