Evolution of Risk Factors for Atherosclerotic Cardiovascular Events in Systemic Lupus Erythematosus: A Longterm Prospective Study
Notice bibliographique
Résumé
OBJECTIVE: We previously reported the effect of certain factors on cardiovascular disease (CVD) in 250 women with systemic lupus erythematosus (SLE) followed for 8 years. The aim of this study was to delineate their evolution after 15 years of followup. METHODS: There were 210 women with SLE and 138 age-matched healthy women available for analysis after 15 years. Cardiovascular events (CVE) included angina pectoris, myocardial infarction (fatal and nonfatal), transient ischemic attack, and stroke (fatal and nonfatal). Analysis was performed with SAS 9.3 software; p < 0.05 was considered significant. RESULTS: CVE occurred in 41/210 patients (19.5%) and 9/138 controls (6.5%), most of them in the second part (2008-2015) of the study (24/210, 11.4% vs 17/241, 7.1% in SLE group). Coronary artery disease was more common in patients (32/210, 15.2% vs 5/138, 3.6%, p = 0.0041). There was no significant difference for cerebrovascular disease (10/210, 4.8% vs 3/138, 2.2%, p = 0.213). SLE was the most prominent CVE predictor in the first 8 years (HR 2.8, 95% CI 1.3-6.3). Hypertension and diabetes were more frequent in patients who developed CVE during the second half of the study. Thirty-one deaths occurred in patients with SLE (10 because of CVD) and 6 in controls (none because of CVD). CONCLUSION: The relative importance of atherosclerotic risk factors is significantly differentiated over time in SLE. Disease-related factors seem to dominate CV risk during the early stages while traditional factors, partially related to corticosteroid treatment, play a significant role later in the disease course.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».