Accrual of Atherosclerotic Vascular Events in a Multicenter Inception Systemic Lupus Erythematosus Cohort
Notice bibliographique
Résumé
Objective In previous studies, atherosclerotic vascular events (AVEs) were shown to occur in ~10% of patients with systemic lupus erythematosus (SLE). We undertook this study to investigate the annual occurrence and potential risk factors for AVEs in a multinational, multiethnic inception cohort of patients with SLE. Methods A large 33‐center cohort of SLE patients was followed up yearly between 1999 and 2017. AVEs were attributed to atherosclerosis based on SLE being inactive at the time of the AVE as well as typical atherosclerotic changes observed on imaging or pathology reports and/or evidence of atherosclerosis elsewhere. Analyses included descriptive statistics, rate of AVEs per 1,000 patient‐years, and univariable and multivariable relative risk regression models. Results Of the 1,848 patients enrolled in the cohort, 1,710 had ≥1 follow‐up visit after enrollment, for a total of 13,666 patient‐years. Of these 1,710 patients, 3.6% had ≥1 AVEs attributed to atherosclerosis, for an event rate of 4.6 per 1,000 patient‐years. In multivariable analyses, lower AVE rates were associated with antimalarial treatment (hazard ratio [HR] 0.54 [95% confidence interval (95% CI) 0.32–0.91]), while higher AVE rates were associated with any prior vascular event (HR 4.00 [95% CI 1.55–10.30]) and a body mass index of >40 kg/m 2 (HR 2.74 [95% CI 1.04–7.18]). A prior AVE increased the risk of subsequent AVEs (HR 5.42 [95% CI 3.17–9.27], P < 0.001). Conclusion The prevalence of AVEs and the rate of AVE accrual demonstrated in the present study is much lower than that seen in previously published data. This may be related to better control of both the disease activity and classic risk factors.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».