Predictors of Treatment Resistance and Relapse in Chinese Patients with Antineutrophil Cytoplasmic Antibody-associated Disease
Notice bibliographique
Résumé
OBJECTIVE: The prevalence and significance of treatment resistance and relapse in patients from China with antineutrophil cytoplasmic antibody-associated (ANCA) disease are poorly understood. METHODS: A total of 98 patients with ANCA vasculitis, diagnosed between January 2003 and December 2009 in the China-Japan Friendship Hospital, were enrolled in this retrospective study. RESULTS: Fifteen patients (15.3%) were categorized as having cytoplasmic and/or proteinase 3 (PR3) ANCA and 83 patients (84.7%) had perinuclear and/or myeloperoxidase (MPO) ANCA. After the induction phase treatment, the disease was resistant to therapy in 24 (25%) of the patients. A response to initial treatment occurred in 74 patients (75%). Of these 74 patients, remission was achieved and sustained with or without maintenance therapy in 41 patients (55%). Multivariable logistic regression models revealed that female sex was a statistically significant predictor of treatment resistance (OR 2.85; 95% CI: 1.06-2.86; p = 0.036). Additionally, elevated serum creatinine level, with each increment of 150 μmol/l, predicted resistance (p = 0.002). Among the 74 patients where remission was achieved, Cox proportional hazards models detected that those with PR3 ANCA were 1.31 times more likely to experience a relapse than were patients with MPO ANCA (95% CI: 1.01-5.35; p = 0.0001). Lung involvement was associated with an increased risk of relapse (HR 1.87; 95% CI: 1.12-4.35; p = 0.014). Although not significant, advanced age tended to be associated with relapse (p = 0.08). CONCLUSION: Our findings highlight the important effect of female sex and severity of renal disease at presentation as predictors of treatment resistance, and PR3 ANCA and lung involvement as predictors of relapse.
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 | 0,000 | 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) | 0,001 | 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 ».