Prevalence of rheumatoid cachexia in rheumatoid arthritis: a systematic review and meta‐analysis
Notice bibliographique
Résumé
BACKGROUND: Low muscle mass occurs in patients with rheumatoid arthritis without weight loss; this condition is referred as rheumatoid cachexia. The aim of the current study was to perform a systematic review with meta-analysis to determine the rheumatoid cachexia prevalence. METHODS: A systematic review with meta-analysis of observational studies published in English, between 1994 and 2016, was conducted using MEDLINE (via PubMed) and other relevant sources. Search strategies were based on pre-defined keywords and medical subject headings. The methodological quality of included studies was assessed using the Newcastle-Ottawa Scale. Meta-analysis was used to estimate the prevalence, and because studies reported different methods and criteria to estimate body composition and prevalence of rheumatoid cachexia, subgroup analyses were performed. Meta-regression adjusted for the 28-joint disease activity score and disease duration (years) was performed (significance level at P ≤ 0.05). RESULTS: Of 136 full articles (one duplicate publication) screened for inclusion in the study, eight were included. The estimated overall prevalence of rheumatoid cachexia was 19% [95% confidence interval (CI) 07-33%]. This prevalence was 29% (95% CI 15-46%) when body composition was measured by dual-energy X-ray absorptiometry. When the diagnostic criteria were fat-free mass index below the 10th percentile and fat mass index above the 25th percentile, rheumatoid cachexia prevalence was 32% (95% CI 14-52%). The 28-joint disease activity score and disease duration had no influence on the estimated prevalence of rheumatoid cachexia (P > 0.05). Most studies were rated as having moderate methodological quality. CONCLUSIONS: Meta-analysis showed a prevalence of rheumatoid cachexia of 15-32%, according to different criteria, demonstrating that this condition is a frequent comorbidity of rheumatoid arthritis. To better understand its clinical impact, more studies using standardized definitions and prospective evaluations are urgently needed.
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 | 0,017 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,045 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».