Lifestyle and Clinical Risk Factors for Incident Rheumatoid Arthritis-associated Interstitial Lung Disease
Notice bibliographique
Résumé
OBJECTIVE: To determine the association between novel lifestyle factors on risk of rheumatoid arthritis (RA)-associated interstitial lung disease (ILD), define the threshold at which smoking increases RA-ILD risk, and calculate the degree to which known lifestyle and clinical factors predict RA-ILD. METHODS: This nested case-control study matched incident RA-ILD cases to RA non-ILD controls on age, sex, RA duration, rheumatoid factor, and time from exposure assessment to RA-ILD. Exposures included education, BMI, smoking, anticyclic citrullinated peptide antibodies, race, joint erosions, rheumatoid nodules, C-reactive protein (CRP), disease activity score, functional status, disease-modifying antirheumatic drug use, and glucocorticoid use. OR for each exposure on risk of RA-ILD were obtained from logistic regression models. Area under the curve (AUC) was calculated based on all lifestyle and clinical exposures. RESULTS: We identified 84 incident RA-ILD cases and 233 matched controls. After adjustment, obesity, high-positive CRP (≥ 10 mg/L), and poor functional status (multidimensional Health Assessment Questionnaire [MDHAQ] ≥ 1) were associated with increased risk of RA-ILD (OR 2.42, 95% CI 1.11-5.24 vs normal BMI; OR 2.61, 95% CI 1.21-5.64 vs CRP < 3 mg/L; OR 3.10, 95% CI 1.32-7.26 vs MDHAQ < 0.2). Smoking 30 pack-years or more was strongly associated with risk of RA-ILD compared to never smokers (OR 6.06, 95% CI 2.72-13.5). Together, lifestyle and clinical risk factors for RA-ILD had an AUC of 0.79 (95% CI 0.73-0.85). CONCLUSION: Obesity, CRP, functional status, and extensive smoking may be novel risk factors for RA-ILD that may be useful for RA-ILD risk assessment and prevention. The overall ability to predict RA-ILD remains modest.
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 | 0,003 |
| 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 ».