P243 Complications of newly diagnosed Crohn's disease can be predicted by mathematical modeling of serologic responses
Notice bibliographique
Résumé
Background: Crohn's disease (CD) is a heterogeneous progressive disorder. Predicting factors for complicated disease are scarce. We aimed to predict the natural history of a prospective inception cohort using biomarkers. Methods: A longitudinal, prospective, observational inception cohort, in a tertiary referral center. Adults suspected of CD, or diagnosed with CD during the preceding six months prior to enrollment were recruited. Clinical and biological markers were obtained. Three common NOD2 gene variants, and the ATG16L1variant were analyzed in blood DNA by TaqMan chemistry. Complicated outcome was defined as the first CD-related hospitalization or surgery. Data integration and analysis was performed using mathematical models. Results: A total of 297 patients were enrolled. Of these, 154 attained a definite diagnosis of CD. Mean age at diagnosis 31.9±13.1 years. Males: 79 (51.2%). Average follow-up: 18±11.8 months. At enrolment median CRP was 10.5 (3–22) gr%, and median fecal calprotectin was 424 (181–913) μg/gr stool. Median time between first symptoms and diagnosis was 4 (2–10) months. Montreal classification: L1- 47.9%, L2- 19.9%, L3–32.2%, B1–83.5%, B2–6.3%, B3–10.2%, and perianal involvement in 17.6%. Sixty-two patients (40%) had a complication, almost half (28/62) already at diagnosis, and the rest in the first 10 months since diagnosis. Complications after 10 months from diagnosis were rare. The NOD2 variant carriage rates were 19.6%, and the ATG16L1 variant 47.4%, comparable in complicated and non-complicated patients. The complicated group had lower rates of B1 phenotype, higher rates of B3 phenotype (69.3% vs. 83.6%, p=0.002, and 21% vs 2.1%, p<0.001, respectively) and higher rates of absolute ASCA levels (51.6±46 vs. 26.08±29.1 IU, p=0.001). Complicated patients had expedited exposure to medications: antibiotics HR=2.07 (p=0.005), steroids HR=4.29 (p<0.001), immunomodulators HR=2.66 (p<0.001), and biologics HR=1.89 (p=0.01), compared with non-complicated patients. Multivariate logistic regression utilizing the most discriminatory variables complemented by a decision tree algorithm revealed that integrating the absolute serology levels (IU) at diagnosis impact the probability for an early complication: ALCA (OR 0.944, 95% CI 0.908–0.981), ASCA (OR 1.025, 95% CI 1.009–1.041), and ACCA (OR 1.020, 95% CI 0.999–1.042). Conclusions: In a prospective inception cohort of CD patients early complications were noticed in 40% of patients within 10 months from diagnosis. Clinical data were not sufficient to stratify risk of complication. A decision tree based on serologic responses is reliable in detecting patients at risk for complication, enabling better decision making and patients' care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».