MétaCan
Menu
← Retour à la cohorte
Enregistrement W2520387841 · doi:10.1136/lupus-2016-000179.127

CE-49 Rheumatic and non-rheumatic autoimmune diseases in SLE offspring

2016· article· en· W2520387841 sur OpenAlexaboutno aff
Julie Couture, Sasha Bernatsky, Susan C. Scott, Christian A. Pineau, Évelyne Vinet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOffspringPopulationPediatricsDiseaseAutoimmune diseaseRheumatologyInternal medicinePregnancyImmunology

Résumé

récupéré en direct d'OpenAlex

Background Autoimmune diseases (AID) have familial aggregation and frequently share a common genetic predisposition. Only few small uncontrolled studies have evaluated the risk of AID in SLE offspring, with inconsistent results. In a large population-based study, we aimed to determine if children born to mothers with SLE have an increased risk of rheumatic and non-rheumatic AID compared to children born to mothers without SLE. Materials and methods The “Offspring of SLE mothers Registry (OSLER)” includes all women who had ≥1 hospitalisation for delivery after SLE diagnosis, identified through Quebec’s universal healthcare databases (1989–2009). OSLER also includes a randomly selected control group of women, matched at least 4:1 for age and year of delivery, who did not have a diagnosis of SLE prior to or at the time of delivery. We identified children born live to SLE mothers and their matched controls, and ascertained rheumatic (i.e. juvenile idiopathic arthritis, SLE, systemic sclerosis, Sjögren’s disease, inflammatory myositis, systemic vasculitis) and non-rheumatic (i.e., type 1 diabetes, inflammatory bowel disease, psoriasis, celiac disease, autoimmune thyroid disease, myasthenia gravis, multiple sclerosis) AID based on ≥1 hospitalisation or ≥2 physician visits with a relevant diagnostic code, at least 2 months apart but within 24 months. The study interval spanned from birth to the first of the following: event of interest, age 18, death, or end of study. We performed multivariate analyses to adjust for maternal age, education, and ethnicity, as well as calendar year of birth and sex of the child. Results 509 women with SLE had 719 children, while 5824 matched controls had 8493 children. Mean follow-up was 9.1 (SD 5.8) years. Compared to controls, children born to mothers with SLE had similar records of rheumatic diagnoses [0.14% (95% CI: 0.01, 0.90) vs 0.19% (95% CI: 0.11, 0.32)]. However, there was a trend towards more non-rheumatic AID in offspring of mothers with SLE versus controls [1.11% (95% CI: 0.52, 2.27) vs 0.48% (95% CI: 0.35, 0.66)]. The most frequently observed non-rheumatic AID were Crohn’s disease (0.56% in SLE offspring, versus 0.19% in control children) and type 1 diabetes (0.42% in SLE offspring, versus 0.22% in control children). In multivariate analyses, children born to mother with SLE had a substantially increased risk of non-rheumatic AID compared to controls (OR 2.62, 95% CI: 1.10, 6.24), while results were inconclusive for the risk of rheumatic AID (OR 0.78, 95% CI: 0.10, 5.92). Conclusions Our novel data suggest that, compared to children from the general population, children born to women with SLE have an increased risk of non-rheumatic AID. Our effect estimate for the risk of rheumatic AID is inconclusive. Further study of these children, throughout late childhood, adolescence, and adulthood, would be additionally enlightening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,341

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,234
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSystemic Sclerosis and Related Diseases→Travaux en français237 207→