Brief Report: Risk of Childhood Rheumatic and Nonrheumatic Autoimmune Diseases in Children Born to Women With Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Several autoimmune diseases have familial aggregation and, possibly, common genetic predispositions. In a large population-based study, we evaluated whether children born to mothers with systemic lupus erythematosus (SLE) have an increased risk of rheumatic and nonrheumatic autoimmune diseases versus children born to mothers without SLE. METHODS: Using the Offspring of SLE Mothers Registry, we identified children born live to SLE mothers and their matched controls, and ascertained autoimmune diseases based on ≥1 hospitalization or ≥2 physician visits with a relevant diagnostic code. We adjusted for maternal age, education, race/ethnicity, obstetric complications, calendar birth year, and sex of child. RESULTS: A total of 509 women with SLE had 719 children, while 5,824 matched controls had 8,493 children. The mean ± SD follow-up period was 9.1 ± 5.8 years. Children born to mothers with SLE had a similar frequency of rheumatic autoimmune diagnoses (0.14%; 95% confidence interval [95% CI] 0.01-0.90) versus controls (0.19% [95% CI 0.11-0.32]). There was a trend toward more nonrheumatic autoimmune diseases in SLE offspring (1.11% [95% CI 0.52-2.27]) versus controls (0.48% [95% CI 0.35-0.66]). In multivariate analyses, we did not see a clear increase in rheumatic autoimmune disease (odds ratio [OR] 0.71 [95% CI 0.11-4.82]), but children born to mothers with SLE had a substantially increased risk of nonrheumatic autoimmune disease versus controls (OR 2.30 [95% CI 1.06-5.03]). CONCLUSION: Although the vast majority of offspring have no autoimmune disease, children born to women with SLE may have an increased risk of nonrheumatic autoimmune diseases versus controls. Additional studies assessing offspring through to adulthood would be additionally enlightening.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».