The risk of systemic lupus erythematosus associated with Epstein–Barr virus infection: a systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous systematic reviews have found a higher sero-prevalence of EBV antibodies in SLE patients compared with controls. Because many studies have been published, there is a need to apply more precise systematic review methods. We examined the association between EBV and SLE patients by conducting a systematic review and meta-analysis of case-control studies that examined the prevalence of EBV antibodies and the DNA-positive rate. We searched the MEDLINE and EMBASE databases from 1966 to 2018 with no language restrictions. The Mantel-Haenszel odds ratios (OR) for EBV antibody sero-positivity were calculated, and meta-analyses were conducted. Quality assessment was performed using a modified version of the Newcastle-Ottawa scale, and 33 studies were included. Most studies found a higher sero-prevalence of VCA IgG and EA IgG in SLE patients compared with controls. Meta-analysis demonstrated a significantly higher OR for sero-positivity to VCA IgG and EA IgG for SLE cases (2.06 [95% confidence interval (CI) 1.30-3.26, p = 0.002] and 7.70, [95% CI 4.64-12.76, p < 0.001], respectively). The overall OR for the DNA-positive rate for SLE patients compared with controls was 3.86 (95% CI 1.52-9.83, p = 0.005). Other antibodies, i.e., VCA IgA/IgM, EBNA IgA, and EA IgA/IgM, also demonstrated a significant difference between SLE patients and controls. These findings support previous systematic reviews; however, publication bias cannot be excluded. The methodological conduct of studies could be improved, particularly when selecting controls and analyses of laboratory conduct.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle