Prediction of Hospitalizations in Systemic Lupus Erythematosus Using the Systemic Lupus International Collaborating Clinics Frailty Index
Notice bibliographique
Résumé
OBJECTIVE: The Systemic Lupus International Collaborating Clinics (SLICC) frailty index (FI) predicts mortality and damage accrual in systemic lupus erythematosus (SLE), but its association with hospitalizations has not been described. Our objective was to estimate the association of baseline SLICC-FI values with future hospitalizations in the SLICC inception cohort. METHODS: Baseline SLICC-FI scores were calculated. The number and duration of inpatient hospitalizations during follow-up were recorded. Negative binomial regression was used to estimate the association between baseline SLICC-FI values and the rate of hospitalizations per patient-year of follow-up. Linear regression was used to estimate the association of baseline SLICC-FI scores with the proportion of follow-up time spent in the hospital. Multivariable models were adjusted for relevant baseline characteristics. RESULTS: The 1,549 patients with SLE eligible for this analysis were mostly female (88.7%), with a mean ± SD age of 35.7 ± 13.3 years and a median disease duration of 1.2 years (interquartile range 0.9-1.5) at baseline. Mean ± SD baseline SLICC-FI was 0.17 ± 0.08. During mean ± SD follow-up of 7.2 ± 3.7 years, 614 patients (39.6%) experienced 1,570 hospitalizations. Higher baseline SLICC-FI values (per 0.05 increment) were associated with more frequent hospitalizations during follow-up, with an incidence rate ratio of 1.21 (95% confidence interval [95% CI] 1.13-1.30) after adjustment for baseline age, sex, glucocorticoid use, immunosuppressive use, ethnicity/location, SLE Disease Activity Index 2000 score, SLICC/American College of Rheumatology Damage Index score, and disease duration. Among patients with ≥1 hospitalization, higher baseline SLICC-FI values predicted a greater proportion of follow-up time spent hospitalized (relative rate 1.09 [95% CI 1.02-1.16]). CONCLUSION: The SLICC-FI predicts future hospitalizations among incident SLE patients, further supporting the SLICC-FI as a valid health measure in SLE.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».