Rate of Comorbidities in Giant Cell Arteritis: A Population-based Study
Notice bibliographique
Résumé
OBJECTIVE: To compare the rate of occurrence of comorbidities, including severe infections, in a population-based cohort of patients with biopsy-proven giant cell arteritis (GCA) with a reference population in Southern Sweden. METHODS: The study included a population-based cohort of biopsy-proven GCA cases diagnosed between 1998 and 2010 from the Skåne region in Southern Sweden (population: 1.2 million). For each patient, 4 reference subjects were identified from the general population and matched for age, sex, area of residence, and date of diagnosis of GCA. Using the Skåne Healthcare Register, comorbidities and severe infections (requiring hospitalization) diagnosed after GCA onset were identified. The rate of the first occurrence of each comorbidity was the result of dividing the number of subjects with a given comorbidity by the person-years of followup. The rate ratio (RR; GCA:reference population) was also calculated. RESULTS: There were 768 patients (571 women) with GCA and 3066 reference persons included in the study. The RR were significantly elevated for osteoporosis (2.81, 95% CI 2.33-3.37), followed by venous thromboembolic diseases (2.36, 95% CI 1.61-3.40), severe infections (1.85, 95% CI 1.57-2.18), thyroid diseases (1.55, 95% CI 1.25-1.91), cerebrovascular accidents (1.40, 95% CI 1.12-1.74), and diabetes mellitus (1.29, 95% CI 1.05-1.56). The RR for ischemic heart disease was elevated, but did not reach statistical significance (1.20, 95% CI 1.00-1.44). CONCLUSION: Patients with GCA have higher rates of selected comorbidities, including severe infections, compared with a reference population. Several of these comorbidities may be related to treatment with glucocorticosteroids, emphasizing the unmet need to find alternative treatments for GCA.
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 ».