Venous Thromboembolism in Systemic Sclerosis: Prevalence, Risk Factors, and Effect on Survival
Notice bibliographique
Résumé
OBJECTIVE: Whether systemic sclerosis (SSc) confers increased risk of venous thromboembolism (VTE) is uncertain. We evaluated the prevalence, risk factors, and effect of VTE on SSc survival. METHODS: A cohort study was conducted of subjects with SSc who fulfilled the American College of Rheumatology/European League Against Rheumatism classification criteria between 1970 and 2017. Deep vein thrombosis was defined as thrombus on extremity ultrasound. Pulmonary embolism was defined as thrombus on thorax computed tomography angiogram. Risk factors for VTE and time to all-cause mortality were evaluated. RESULTS: Of the 1181 subjects, 40 (3.4%) experienced VTE events. The cumulative incidence of VTE was 2.7 (95% CI 1.9-3.7) per 1000 patient-years. Pulmonary arterial hypertension (PAH; OR 3.77, 95% CI 1.83-8.17), peripheral arterial disease (OR 5.31, 95% CI 1.99-12.92), Scl-70 (OR 2.45, 95% CI 1.07-5.30), and anticardiolipin antibodies (OR 5.70, 95% CI 1.16-21.17) were predictors of VTE. There were 440 deaths. There was no difference in survival between those with and without VTE (HR 1.16, 95% CI 0.70-1.91). Interstitial lung disease (HR 1.54, 95% CI 1.27-1.88) and PAH (HR 1.35, 95% CI 1.10-1.65) were predictors of mortality. CONCLUSION: The risk of VTE in SSc is comparable to the general population. The presence of PAH, peripheral arterial disease, Scl-70, and anticardiolipin antibodies are risk factors for VTE. VTE does not independently predict SSc survival.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».