Influence of disease duration and socioeconomic factors on the prevalence of infection and hospitalization in rheumatoid arthritis: KRAC study
Notice bibliographique
Résumé
AIM: The use of healthcare resources by rheumatoid arthritis (RA) patients can be related to the presence of disease, comorbid conditions, use of steroids, and the combined use of immunosuppressants. This study evaluated the risk factors associated with infection and hospitalization in RA. METHODS: This multicenter, cross-sectional study enrolled 3247 RA subjects fulfilling the 2010 American College of Rheumatology/European League Against Rheumatism criteria to examine the prevalence of hospitalization and episodes of documentable non-tubercular infections as a part of the "Karnataka rheumatoid arthritis comorbidity" study (KRAC). The study included 2081 subjects and 1166 were excluded due to incomplete data. Demographic, clinical and treatment variables were collected, and the events related to infections and hospitalization were extracted from the medical records. Comparative analysis and multivariate logistic regression were performed. RESULTS: Around 22% of the subjects had hospitalizations and 2.9% had infections. Infections were pertaining to dental (1.3%), urinary tract (1.6%) and candidiasis (0.2%). Skin- and soft tissue-related infections were found in 1.8% and 0.3% of patients, respectively. Increased need of hospitalization in RA patients was associated with advanced age (≥60 years), lower education, family income, and longer duration of RA. Presence of comorbidity, usage of three or more disease-modifying anti-rheumatic drugs (DMARDs) and family income influenced the likelihood of infection. Dental infections were less likely in working subjects and more likely in patients with increased disease duration, higher family income, comorbidities and those between the age group 40-59 years. Urinary tract infection was associated with DMARD usage. CONCLUSION: Patient-specific risk factors should be considered to improve treatment strategies and to reduce the risk of infection and hospitalization in RA patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».