MétaCan
Menu
Retour à la cohorte
Enregistrement W2615497066 · doi:10.1097/bor.0000000000000416

Socioeconomic consequences of systemic lupus erythematosus

2017· review· en· W2615497066 sur OpenAlexafffund
Megan R.W. Barber, Ann E. Clarke

Notice bibliographique

RevueCurrent Opinion in Rheumatology · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesArthritis Society
Mots-clésMedicineSocioeconomic statusDisadvantagedIndirect costsPovertyQuality of life (healthcare)PopulationDiseaseEnvironmental healthGerontologyImmunologyEconomic growthInternal medicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The present review addresses recent literature investigating the socioeconomic consequences of systemic lupus erythematosus (SLE). We highlight the latest updates on health disparities affecting the SLE population, the direct and indirect economic costs of the disease, and less quantifiable costs such as reduced health-related quality of life (HRQoL). RECENT FINDINGS: Health disparities continue to exist among socially disadvantaged populations, including African Americans, Hispanics, and patients with decreased educational attainment and in poverty. Direct and indirect costs are substantial. Recent work provides updated cost estimates for patients with SLE outside of North America, including those in developing countries. Previous research has largely focused on costs of the general SLE population and those with renal manifestations or active SLE, whereas recent research addresses special populations such as hospitalized and pregnant patients and glucocorticoid users. Patients with SLE and their caregivers experience a substantially reduced HRQoL. SUMMARY: SLE is a costly disease that disproportionately affects disadvantaged populations. Future economic studies should measure not only direct costs, but also incorporate indirect costs and the HRQoL of both patients with SLE and their caregivers. All these components are essential to provide a comprehensive assessment of the socioeconomic consequences of SLE and an appreciation of the potential impact of novel therapies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,186
Tête enseignante GPT0,450
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations42
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in RheumatologyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207