Infections Are Associated With Increased Risk of Giant Cell Arteritis: A Population-based Case-control Study from Southern Sweden
Notice bibliographique
Résumé
OBJECTIVE: To investigate the association between infections and the subsequent development of giant cell arteritis (GCA) in a large population-based cohort from a defined geographic area in Sweden. METHODS: Patients diagnosed with biopsy-confirmed GCA between 2000 and 2016 were identified through the database of the Department of Pathology in Skåne, the southernmost region of Sweden. For each GCA case, 10 controls matched for age, sex, and area of residence were randomly selected from the general population. Using the Skåne Healthcare Register, we identified all infection events prior to patients' date of GCA diagnosis and controls' index date. With infection as exposure, a conditional logistic regression model was employed to estimate the OR for developing GCA. The types of infections contracted nearest in time to the GCA diagnosis/index date were identified. RESULTS: A total of 1005 patients with biopsy-confirmed GCA (71% female) and 10,050 controls were included in the analysis. Infections were more common among patients subsequently diagnosed with GCA compared to controls (51% vs 41%, OR 1.78, 95% CI 1.53-2.07). Acute upper respiratory tract infection (OR 1.77, 95% CI 1.47-2.14), influenza and pneumonia (OR 1.72, 95 % CI 1.35-2.19), and unspecified infections (OR 5.35, 95 % CI 3.46-8.28) were associated with GCA. Neither skin nor gastrointestinal infections showed a correlation. CONCLUSION: Infections, especially those of the respiratory tract, were associated with subsequent development of biopsy-confirmed GCA. Our findings support the hypothesis that a range of infections may trigger GCA.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».