Predictors of Outcome in Ulcerative Colitis
Notice bibliographique
Résumé
BACKGROUND: Approximately 80% of patients with ulcerative colitis (UC) have intermittently active disease and up to 20% will require a colectomy, but little data available on predictors of poor disease course. The aim of this study was to identify clinical and genetic markers that can predict prognosis. METHODS: Medical records of patients with UC with ≥5 years of follow-up and available DNA and serum were retrospectively assessed. Immunochip was used to genotype loci associated with immune mediated inflammatory disorders (IMIDs), inflammatory bowel diseases, and other single nucleotide polypmorphisms previously associated with disease severity. Serum levels of pANCA, ASCA, CBir1, and OmpC were also evaluated. Requirement for colectomy, medication, and hospitalization were used to group patients into 3 prognostic groups. RESULTS: Six hundred one patients with UC were classified as mild (n = 78), moderate (n = 273), or severe disease (n = 250). Proximal disease location frequencies at diagnosis were 13%, 21%, and 30% for mild, moderate, and severe UC, respectively (P = 0.001). Disease severity was associated with greater proximal extension rates on follow-up (P < 0.0001) and with shorter time to extension (P = 0.03) and to prednisone initiation (P = 0.0004). When comparing severe UC with mild and moderate UC together, diagnosis age >40 and proximal disease location were associated with severe UC (odds ratios = 1.94 and 2.12, respectively). None of the single nucleotide polypmorphisms or serum markers tested was associated with severe UC, proximal disease extension or colectomy. CONCLUSIONS: Older age and proximal disease location at diagnosis, but not genetic and serum markers, were associated with a more severe course. Further work is required to identify biomarkers that will predict outcomes in UC.
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 | 0,001 |
| 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 ».