Ethnicity and Neonatal Lupus Erythematosus Manifestations Risk in a Large Multiethnic Cohort
Notice bibliographique
Résumé
Objective To evaluate the association between ethnicity and neonatal lupus erythematosus (NLE), as well as specific NLE manifestations in a large multiethnic population. Methods We conducted a cohort study of the children (≤ 1 yr of age) seen in the NLE clinic at The Hospital for Sick Children (SickKids), between January 2011 and April 2019. The cohort was divided into European, non-European, and mixed European–non-European groups according to parent-reported child’s ethnicity (Canada Census categories). Outcomes were NLE and specific NLE manifestations (cardiac, cutaneous, cytopenias, transaminitis, and macrocephaly). The frequency of NLE and specific manifestations were compared between ethnic groups (Fisher exact test). We tested the association between ethnicity and (1) NLE risk, and (2) specific NLE manifestations with logistic regression models, including covariates for child’s sex, maternal rheumatic disease status during pregnancy, and maternal use of antimalarials during pregnancy (multiple comparisons threshold P < 0.008). Results We included 324 children born to 270 anti-Ro antibody–positive mothers. Median age at first visit was 1.8 (IQR 1.4–2.3) months, and median follow-up time was 12 (IQR 2–24) months. The majority was non-European (48%), with 34% European, and 18% mixed European–non-European. There was no significant association between non-European ethnicity (OR 1.18, 95% CI 0.71–1.94, P = 0.51), mixed European–non-European ethnicity (OR 1.13, 95% CI 0.59–2.16, P = 0.70), and NLE risk compared with European ethnicity. We also did not find an association between ethnicity and specific NLE manifestations in univariate or multivariable-adjusted models. Conclusion In a large multiethnic cohort, there was no association between a child’s ethnicity and NLE risk or specific NLE manifestations.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».