215 Active arthritis is associated with 14–3–beta titre in patients with systemic lupus erythematosus
Notice bibliographique
Résumé
<h3>Background and aims</h3> Non-erosive arthritis is common in systemic lupus erythematosus (SLE). 14-3-3 eta, a chaperone protein that activates pro-inflammatory pathways is emerging as a novel biomarker for erosive Rheumatoid Arthritis. We investigated clinical associations of serum 14-3-3 eta in SLE focusing on arthritis. <h3>Methods</h3> Sociodemographics, ACR criteria, and SLEDAI were recorded. Arthritis, assessed by the SLEDAI, was categorised as active (n=78), inactive (n=138) and never present (n=49). Serum 14-3-3 eta was measured by ELISA; titres above 0.19 ng/ml were considered positive. We report descriptive statistics and logistic regression models testing the association of 14-3-3eta with arthritis state. <h3>Results</h3> SLE patients (n=265) were mainly female (92%), Caucasian (67%) with a mean (SD) age of 51.7 (14) years, and median (25%,75%) disease duration of 8 (4,10) years, number ACR criteria of 6 (5,7), and SLEDAI of 4 (2,7). 241 (81%) had active or inactive arthritis. 14-3-3 eta positivity was similar across the three arthritis groups (active 22/78 (28%), inactive 27/138 (20%), never present 10/49 (20%) with a median (25%75%) titre of 0.6 ng/ml (0.34, 1.82). The highest quartile of 14-3-3eta associated with active arthritis (OR 3.6 (95% CI 1.33, 9.98) p-0.012) after adjusting for ethnicity and SLEDAI. There were no differences in 14-3-3 eta positivity for other lupus criteria nor correlation of 14-3-3 eta titer with number of ACR criteria or SLEDAI. <h3>Conclusions</h3> 14-3-3 eta titers are highest in lupus patients with active arthritis suggesting a higher risk for more severe arthritis. Further work will explore the associations of 14-3-3 eta in lupus with erosive arthritis.
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 ».