Incidence of Systemic Lupus Erythematosus and Lupus Nephritis in Denmark: A Nationwide Cohort Study
Notice bibliographique
Résumé
OBJECTIVE: To determine the incidence of systemic lupus erythematosus (SLE) and SLE with concomitant or subsequent lupus nephritis (LN) in Denmark during 1995-2011, using data from the Danish National Patient Registry (NPR). METHODS: To assess the incidence of SLE, we identified all persons aged ≥ 18 years in the NPR with at least 1 International Classification of Diseases, 10th ed (ICD-10) code of SLE and at least 365 days of followup under this diagnosis. Identification of LN cases was based on fulfillment of these criteria and ≥ 1 registration under an ICD-10 code of nephritis concomitantly with or after first SLE registration. RESULTS: The overall annual incidence rate per 100,000 for SLE was 2.35 (95% CI 2.24-2.49); 0.69 (95% CI 0.60-0.78) for men and 3.96 (95% CI 3.75-4.17) for women. For LN, the mean annual incidence rate per 100,000 was estimated to be 0.45 (95% CI 0.38-0.53); 0.20 (95% CI 0.13-0.28) for men and 0.69 (95% CI 0.57-0.83) for women. The differences in SLE incidence rates between sexes decreased by age, and the incidence did not differ between men and women after the age of 60 years for LN. The estimated incidences showed no trends by calendar time. Estimated overall point prevalence (December 31, 2011) per 100,000 was 45.2 (95% CI 43.3-47.4) and 6.4 (95% CI 5.7-7.2) for SLE and LN, respectively. CONCLUSION: Our Danish population-based data showed a stable incidence of SLE and LN. As expected, we found higher incidence rates among women than among men, particularly in younger persons.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».