ANCA-associated Vasculitis Management in the United States: Data From the Rheumatology Informatics System for Effectiveness (RISE) Registry
Notice bibliographique
Résumé
OBJECTIVE: The management of antineutrophil cytoplasmic antibody (ANCA)-associated vasculitis (AAV) has evolved substantially over the last 2 decades. We sought to characterize AAV treatment patterns in the United States. METHODS: We identified patients with AAV in the Rheumatology Informatics System for Effectiveness (RISE) registry who had at least 2 rheumatology clinician visits between January 1, 2015, and December 31, 2017. Demographics, medications, laboratory test results, and billing codes were extracted from the medical record. Demographic and prescription trends were assessed overall and across US regions. RESULTS: We identified 1462 patients with AAV, 259 (18%) with new or relapsing AAV. The majority were classified as having granulomatosis with polyangiitis (75%). The mean age was 59.8 years and 59% were female. The majority of patients were in the South (45%) followed by the Mid-West (32%), West (12%), and Northeast (8%). Patients had a median of 3 visits and follow-up of 579 days. The most commonly prescribed medications during the study period were glucocorticoids (86%) followed by rituximab (45%), methotrexate (33%), azathioprine (32%), and mycophenolate mofetil (18%); cyclophosphamide (CYC) was rarely used (7%). At the most recent visits in RISE, 47% of patients were on glucocorticoids. Prescription trends were similar across regions. CONCLUSION: To our knowledge, this is the first study to evaluate the demographics and management of AAV by rheumatologists outside of major referral centers. Management strategies vary widely, but CYC is rarely used. These observations can be used to inform future research priorities. Additional studies are needed to characterize AAV severity in RISE as well as patient and provider treatment preferences.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».