Venous and Arterial Thrombotic Events in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: The incidence of thrombosis in patients with systemic lupus erythematosus (SLE) is 25 to 50-fold higher than in the general population; we aimed to define the characteristics of venous thrombotic events (VTE) and arterial thrombotic events (ATE) to identify the patients at highest risk. METHODS: The study included 219 patients with recent-onset SLE. At baseline, standardized medical history and laboratory tests were done. Followup visits occurred quarterly, and information about damage accrual, comorbidities, and cardiovascular risk factors was updated annually. Main outcome was development of TE after SLE diagnosis. RESULTS: Thirty-five patients (16%) developed TE (27 VTE, 8 ATE) during 5.21 years of followup; incidence rate 31/1000 patient-years. Most events (57%) developed within the first year of diagnosis, and 69% were not associated with lupus anticoagulant (LAC), determined with 1 method. VTE developed earlier than ATE (2.0 vs 57.5 mos, p = 0.02). In the multivariate analysis, variables preceding VTE included cutaneous vasculitis, nephrotic syndrome, dose of prednisone, and LAC in combination with anti-RNP/Sm antibodies (p < 0.03). Patients with ATE were older (median age 44 vs 29 yrs, p = 0.04), smokers, and had hypertension, diabetes mellitus, dyslipidemia, at least 2 traditional risk factors, nephrotic syndrome, chronic damage, and a higher cumulative dose of prednisone (p < 0.05). LAC in combination with anti-RNP/Sm antibodies was associated with VTE and improved the accuracy for predicting it. CONCLUSION: Our study suggests that in SLE, VTE and ATE have different risk factors. Understanding these differences is helpful for identifying patients at highest risk. The use of LAC plus anti-RNP/Sm for predicting VTE deserves further study.
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 | 0,000 |
| 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 ».