176 Accrual of disease comorbidities over 8 years in a multicentre inception sle cohort
Notice bibliographique
Résumé
<h3>Background and aims</h3> The annual accrual of comorbidities in patients with SLE is not well described. We report the annual occurrence of these features in an inception cohort of patients with SLE. <h3>Methods</h3> An international research network comprised of 33 centres from 11 countries has followed an inception cohort of SLE patients 2yearly according to a standardised protocol between 2000 and 2016. Of these, 717 patients followed for a minimum of 8 years constitute the study population. Comorbidities including atherosclerotic vascular events (AVEs), osteoporosis, osteonecrosis and diabetes are assessed using the SLICC/ACR Damage Index (SLICC/DI). AVEs are described and attributed on a specialised form. Diagnosis of an event is confirmed using standard clinical criteria, relevant laboratory data and imaging where appropriate. Descriptive statistics were used. <h3>Results</h3> Of the 717 patients followed for at least 8 years, 90.2% were female, 47.3% were Caucasian, 13.8% were Black, 19.4% were Asian, 16.3% Hispanic and 3.2% other. Their mean age at enrolment was 34.2±13.1 years and SLEDAI-2K at enrolment was 4.17±4.49. The duration from diagnosis to enrolment was 5.9±4.4 months. Mean SDI gradually increases over 8 years. The accumulation of AVEs, osteoporosis, osteonecrosis and diabetes all increase progressively over an 8 year period. Caucasians accumulate AVEs and osteoporosis more frequently than all “other” ethnicities. In contrast, all “other” ethnicities accumulate osteonecrosis more frequently than Caucasians. All ethnicities accumulate diabetes at the same frequency. <h3>Conclusions</h3> As expected disease damage and comorbidities in newly diagnosed patients increase over their first 8 years. Different ethnicities accumulate comorbidities at different rates.
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) | 0,001 | 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 ».