MétaCan
Menu
Retour à la cohorte
Enregistrement W3109355746 · doi:10.3899/jrheum.200292

Predicting Macrophage Activation Syndrome in Childhood-onset Systemic Lupus Erythematosus Patients at Diagnosis

2020· article· en· W3109355746 sur OpenAlexafffundvenue
Maya Gerstein, R. Ezequiel Borgia, Daniela Domínguez, Brian M. Feldman, Fangming Liao, Deborah M. Levy, Lawrence Ng, Mohamed Abdelhaleem, Earl D. Silverman, Linda T. Hiraki

Notice bibliographique

RevueThe Journal of Rheumatology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAutoimmune and Inflammatory Disorders Research
Établissements canadiensMuscular Dystrophy CanadaSickKids FoundationHospital for Sick Children
Organismes subventionnairesArthritis Society
Mots-clésMedicineCohortSystemic lupus erythematosusRheumatologyInternal medicineMacrophage activation syndromeRetrospective cohort studyCohort studyPediatricsArthritisDisease

Résumé

récupéré en direct d'OpenAlex

Objective Macrophage activation syndrome (MAS), a life-threatening inflammatory complication, is increasingly recognized in childhood-onset systemic lupus erythematosus (cSLE). It can be a challenge to differentiate active cSLE from MAS. We generated decision rules for discriminating MAS from active cSLE in newly diagnosed patients. Methods We conducted a retrospective cohort study of consecutive, newly diagnosed, active cSLE patients with fever, requiring hospital admission to The Hospital for Sick Children from January 2003 to December 2007 (cohort 1) and January 2008 to December 2013 (cohort 2). All patients met ≥ 4 American College of Rheumatology or Systemic Lupus International Collaborating Clinics criteria, and were steroid-naïve and infection-free. MAS was diagnosed based on expert opinion. Recursive partitioning was applied to each cohort to derive a decision rule based on clinical and laboratory features, distinguishing MAS from non-MAS cSLE. Each decision rule was applied to the alternate, independent cohort. Sensitivity and specificity of these decision rules were compared to existing criteria. Results Cohort 1 (n = 34) and cohort 2 (n = 41) each had 10 patients with MAS. Recursive partitioning in cohort 1 identified ferritin ≥ 699 μg/L as the sole best discriminator between MAS and non-MAS patients (R 2 = 0.48), and in cohort 2, ferritin ≥ 1107 μg/L was the best discriminator for MAS, followed by lymphocytes < 0.72 × 10 3 /mm 3 (R 2 = 0.52). Cross-validation of our decision rules maintained 90–100% sensitivity and 65–85% specificity. Conclusion Our decision rule demonstrated improved performance compared to preliminary guidelines for MAS in cSLE from the Lupus Working Group of the Paediatric Rheumatology European Society and familial hemophagocytic lymphohistiocytosis diagnostic criteria. Validation in independent cohorts is required.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetAutoimmune and Inflammatory Disorders ResearchTravaux en français237 207