Longterm Outcomes of 188 Japanese Patients with Eosinophilic Granulomatosis with Polyangiitis
Notice bibliographique
Résumé
OBJECTIVE: Patients with eosinophilic granulomatosis with polyangiitis (EGPA) frequently experience relapses, which lead to cumulative organ damage. In this retrospective observational study, we aimed to reveal the risk factors for relapse in EGPA. METHODS: A total of 188 Japanese patients with EGPA diagnosed between 1996 and 2015 were identified from medical records in 10 hospitals. The diagnosis was based on the American College of Rheumatology 1990 criteria or Lanham's criteria. Baseline characteristics, treatments, asthma exacerbation, and relapses were evaluated by retrospective chart review. RESULTS: The median followup period was 56 months. The median age at disease onset was 59.7 years. At the disease onset, 95.2% of the patients had a history of bronchial asthma and 44.7% were positive for antineutrophil cytoplasmic antibodies. The cumulative survival and relapse-free survival rates at 5 years were 89.6% and 64.0%, respectively. Multivariate analysis with 2 models, proportional hazards, and competing risk models, was performed to identify the factors associated with relapse. The proportional hazards model identified azathioprine (AZA) maintenance therapy and high eosinophil counts at onset as independent factors with lower relapse risks, and high immunoglobulin E (IgE) levels at onset as a risk factor for relapse. The competing risk model identified no statistically significant factors. CONCLUSION: Although potential benefit of AZA maintenance therapy in preventing relapse of EGPA was suggested by the proportional hazards model, there was a discrepancy in the results between the models. Eosinophil counts and IgE levels at onset were also identified as candidates of factors associated with relapse in EGPA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».