Severe Infection in Antineutrophil Cytoplasmic Antibody-associated Vasculitis
Notice bibliographique
Résumé
OBJECTIVE: To compare the rate of severe infections after the onset of antineutrophil cytoplasmic antibody (ANCA)-associated vasculitis (AAV) with the rate in the background population, and to identify predictors of severe infections among patients with AAV. METHODS: The study cohort was 186 patients with AAV diagnosed from 1998 to 2010, consisting of all known cases in a defined population in southern Sweden. For each patient, 4 age-and sex-matched reference subjects were randomly chosen from the background population. Using the Skåne Healthcare Register, all International Classification of Diseases codes of infections assigned from 1998 to 2011 were identified. Severe infections were defined as infectious episodes requiring hospitalization. Rate ratios were calculated by dividing the rate in AAV by the rate among the reference subjects. RESULTS: 5.35 (1.54-23.8), nonspecific septicemia 4.55 (1.60-13.8), and skin 5.35 (1.69-19.8). Of the severe infections, 38.4% occurred within 6 months of diagnosis, 30.2% from 7-24 months, and 31.4% after 24 months. High serum creatinine and older age at diagnosis were associated with severe infection (p < 0.001). Of those with severe infection, 46.5% died during followup compared to 26% of patients without severe infection (p = 0.004). CONCLUSION: Patients with AAV have markedly higher rates of severe infection compared with the background population, especially patients with older age and impaired renal function. The risk of severe infection is particularly high in the first 6 months following the diagnosis of vasculitis.
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 | 0,001 | 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 | 0,001 |
| 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 ».