Prevalence and associated factors of low bone mass in adults with systemic lupus erythematosus
Notice bibliographique
Résumé
Background Systemic lupus erythematosus (SLE) patients are often treated with glucocorticoids, which place them at risk of bone loss. Objectives The objectives of this article are to determine: (1) the prevalence of low bone mineral density (BMD) and factors associated with low BMD and (2) the prevalence of symptomatic fragility fractures in inception patients of the Toronto Lupus Cohort (TLC). Methods Prospectively collected data from the TLC (1996-2015) of inception patients' first BMD were analyzed. For pre-menopausal women/males <50 years, BMD 'below expected range for age' was defined by Z-score ≤ -2.0 SD. For post-menopausal women/males age 50 or older, osteoporosis was defined by T-score ≤ -2.5 SD and low bone mass by T-score between -1.0 and -2.5 SD. Patients' BMDs were defined as abnormal if Z-score ≤ -2.0 or T-score < -1.0 SD, and the remainder as normal. Descriptive analysis and logistic regression were employed. Results Of 1807 patients, 286 are inception patients with BMD results (mean age 37.9 ± 13.7 years); 88.8% are female. The overall prevalence of abnormal BMD is 31.5%. In pre-menopausal women ( n = 173), the prevalence of BMD below expected range is 17.3%. In post-menopausal women ( n = 81), the prevalence of osteoporosis and low BMD are 12.3% and 43.2%, respectively. Age and cumulative dose of glucocorticoids are statistically significantly associated with abnormal BMD in multivariate analysis. Of 769 inception patients from TLC, 11.1% experienced symptomatic fragility fractures (peripheral and vertebral) over the course of their disease. Conclusion The prevalence of low BMD is high in SLE patients, and is associated with older age and higher cumulative glucocorticoid dose.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».