Comorbidities in Patients with Antineutrophil Cytoplasmic Antibody-associated Vasculitis versus the General Population
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the consultation rates of selected comorbidities in patients with antineutrophil cytoplasmic antibody-associated vasculitis (AAV) compared with the general population in southern Sweden. METHODS: We used data from a population-based cohort of patients with AAV diagnosed between 1998 and 2010 in Southern Sweden (701,000 inhabitants). For each patient we identified 4 reference subjects randomly sampled from the general population and matched for year of birth, sex, area of residence, and index year. Using the population-based Skåne Healthcare Register, we identified relevant diagnostic codes, registered between 1998 and 2011, for selected comorbidities assigned after the date of diagnosis of AAV or the index date for the reference subjects. We calculated rate ratios for comorbidities (AAV:reference subjects). RESULTS: There were 186 patients with AAV (95 women, mean age 64.5 yrs) and 744 reference persons included in the analysis. The highest rate ratios (AAV:reference) were obtained for osteoporosis (4.6, 95% CI 3.0-7.0), followed by venous thromboembolism (4.0, 95% CI 1.9-8.3), thyroid diseases (2.1, 95% CI 1.3-3.3), and diabetes mellitus (2.0, 95% CI 1.3-2.9). For ischemic heart disease, the rate ratio of 1.5 (95% CI 1.0-2.3) did not reach statistical significance. No statistically significant differences were found for cerebrovascular accidents. CONCLUSION: AAV is associated with increased consultation rates of several comorbidities including osteoporosis and thromboembolic and endocrine disorders. Comorbid conditions should be taken into consideration when planning and providing care for patients with AAV.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».