Cardiovascular risk factor screening in systemic lupus erythematosus.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the frequency of cardiovascular (CV) disease risk factor screening in systemic lupus erythematosus (SLE). METHODS: Medical records of patients from a lupus clinic and 5 private practices were assessed for CV disease risk factors, including hyperlipidemia, hypertension, diabetes mellitus, smoking, family history of CV disease, antiphospholipid antibodies, hyperhomocysteinemia, postmenopausal status, obesity, and nephrotic syndrome. RESULTS: A total of 183 records were included: 60 (33%) from the lupus clinic and 123 (67%) from private practices. Serum lipid profiles were measured in 56/183 (31%): 37/60 (62%) in the lupus clinic vs 19/123 (15%) private practice. Of the 56 with lipids measured, the individual tests obtained were as follows: total cholesterol in 56 (100%), HDL in 50 (89%), triglycerides in 49 (88%), LDL in 48 (86%), and VLDL in 33 (59%). Thirty-one of 56 patients (55%) had elevated lipids. Only 9/25 (36%) with hyperlipidemia who had a subsequent visit had a response to the hyperlipidemia charted. Of 9 nonlipid risk factors, a median of 8 were assessed in the lupus clinic vs 3 in private practices. The most frequent risk factors screened were nephrotic syndrome (91%), hypertension (74%), and smoking (59%). CONCLUSION: Despite an inordinately high risk of CV disease in SLE, assessment of CV risk factors was surprisingly uncommon among the practices assessed. Greater attention needs to be paid to CV disease risk factor screening in patients with lupus.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».