Disease Damage Influences Cardiovascular Risk Reclassification Based on Carotid Ultrasound in Patients with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Composite scores of cardiovascular (CV) risk factors underestimate the CV risk in patients with systemic lupus erythematosus (SLE). Carotid artery ultrasound (US) was found useful in identifying high CV-risk patients with inflammatory arthritis. We assessed the effect of carotid US assessments on the CV risk stratification of patients with SLE. METHODS: This cross-sectional study included 276 patients with SLE. These indices were measured: lipid profile, Systematic COronary Risk Evaluation (SCORE) risk calculation, and disease activity (SLE Disease Activity Index), severity (Katz), and damage [Systemic Lupus International Collaborating Clinics (SLICC)/American College of Rheumatology Damage Index]. Carotid plaques were assessed by US. A multivariable regression analysis, adjusted for classic CV-related factors, was performed to evaluate how risk reclassification was influenced by disease characteristics in patients with SLE. RESULTS: Thirty-six percent of patients had carotid plaques. However, only 6% of them fulfilled the definitions for high or very high risk according to the SCORE risk charts. Following carotid US assessment, 32% of the patients were reclassified as very high risk. Disease duration (OR 1.04, 95% CI 1.00-1.07, p = 0.025) and a SLICC > 0 (OR 2.48 95% CI 1.15-5.34, p = 0.020) were independently associated with a higher risk of reclassification. A predictive model for reclassification included age (cutoff 52 yrs, sensitivity 60%, specificity 86%), disease duration (cutoff 24 yrs, sensitivity 40%, specificity 82%), presence of hypertension, SLICC > 0, waist circumference (cutoff 102 cm, sensitivity 48%, specificity 84%), and C3 (cutoff 127 mg/dl, sensitivity 52%, specificity 92%) and triglyceride (cutoff 140 mg/dl, sensitivity 68%, specificity 79%) serum levels. CONCLUSION: Reclassification into a very high-risk category is frequent after carotid US assessments in patients with SLE. This is independently influenced by disease damage.
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 | 0,013 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».