Comorbidity burden in axial spondyloarthritis: a cluster analysis
Notice bibliographique
Résumé
OBJECTIVES: To examine how comorbidities cluster in axial spondyloarthritis (axSpA) and whether these clusters are associated with quality of life, global health and other outcome measures. METHODS: We conducted a cross-sectional study of consecutive patients meeting ASAS criteria for axSpA in Liverpool, UK. Outcome measures included quality of life (EQ5D), global health and disease activity (BASDAI). We used hierarchical cluster analysis to group patients according to 38 pre-specified comorbidities. In multivariable linear models, the associations between distinct comorbidity clusters and each outcome measure were compared, using axSpA patients with no comorbidities as the reference group. Analyses were adjusted for age, gender, symptom duration, BMI, deprivation, NSAID-use and smoking. RESULTS: We studied 419 patients (69% male, mean age 46 years). 255 patients (61%) had at least one comorbidity, among whom the median number was 1 (range 1-6). Common comorbidities were hypertension (19%) and depression (16%). Of 15 clusters identified, the most prevalent clusters were hypertension-coronary heart disease and depression-anxiety. Compared with patients with no comorbidities, the fibromyalgia-irritable bowel syndrome cluster was associated with adverse patient-reported outcome measures; these patients reported 1.5-unit poorer global health (95%CI 0.01, 2.9), reduced quality of life (0.25-unit lower EQ5D; 95%CI -0.37, -0.12) and 1.8-unit higher BASDAI (95% CI 0.4, 3.3). Similar effect estimates were found for patients in the depression-anxiety cluster. CONCLUSION: Comorbidity is common among axSpA patients. The two most common comorbidities were hypertension and depression. Patients in the depression-anxiety and fibromyalgia-IBS clusters reported poorer health and increased axSpA severity.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 0,001 |
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 ».