Malignancy in Pediatric-onset Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To determine cancer incidence in a large pediatric-onset systemic lupus erythematosus (SLE) population. METHODS: Data were examined from 12 pediatric SLE registries in North America. Patients were linked to their regional cancer registries to detect cancers observed after cohort entry, defined as date first seen in the clinic. The expected number of malignancies was obtained by multiplying the person-years in the cohort (defined from cohort entry to end of followup) by the geographically matched age-, sex-, and calendar year-specific cancer rates. The standardized incidence ratio (SIR; ratio of cancers observed to expected) was generated, with 95% CI. RESULTS: A total of 1168 patients were identified from the registries. The mean age at cohort entry was 13 years (SD 3.3), and 83.7% of the subjects were female. The mean duration of followup was 7.6 years, resulting in a total observation period of 8839 years spanning the calendar period 1974-2009. During followup, fourteen invasive cancers occurred (1.6 cancers per 1000 person-yrs, SIR 4.13, 95% CI 2.26-6.93). Three of these were hematologic (all lymphomas), resulting in an SIR for hematologic cancers of 4.68 (95% CI 0.96-13.67). SIR were increased for both male and female patients, and across age groups. CONCLUSION: Although cancer remains a relatively rare outcome in pediatric-onset SLE, our data do suggest an increase in cancer for patients followed an average of 7.6 years. About one-fifth of the cancers were hematologic. Longer followup, and study of drug effects and disease activity, is warranted.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».