Prevalence and Risk Factors for Major Infections in Patients with Antineutrophil Cytoplasmic Antibody–associated Vasculitis: Influence on the Disease Outcome
Notice bibliographique
Résumé
OBJECTIVE: To analyze the role that infections play on the antineutrophil cytoplasmic antibody (ANCA)-associated vasculitis (AAV) outcome. METHODS: A retrospective study of adult patients with AAV diagnosed in a tertiary center. Clinical features, laboratory findings, treatment, relapses, major infections, and outcome were evaluated. RESULTS: Included were 132 patients [51 microscopic polyangiitis (MPA), 52 granulomatosis with polyangiitis (GPA), 29 eosinophilic GPA (EGPA)] with a mean followup of 140 (96-228) months. ANCA were positive in 85% of cases. A total of 300 major infections, mainly bacterial (85%), occurred in 60% patients during the followup. Lower respiratory tract (64%) and urinary tract infections (11%) were the most frequent, followed by bacteremia (10%). A total of 7.3% opportunistic infections were observed, most due to systemic mycosis. Up to 46% of all opportunistic infections took place in the first year of diagnosis, and 55% of them under cyclophosphamide (CYC) treatment. Bacterial infections were associated with Birmingham Vasculitis Activity Score (version 3) > 15 at the disease onset, a total cumulative CYC dose > 8.65 g, dialysis, and development of leukopenia during the followup. Leukopenia was the only factor independently related to opportunistic infections. Forty-four patients died, half from infection. Patients who had major infections had an increased mortality from any cause. CONCLUSION: Our results confirm that major infections are the main cause of death in patients with AAV.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 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 ».