All-cause and cause-specific mortality in systemic lupus erythematosus: a population-based study
Notice bibliographique
Résumé
OBJECTIVE: To investigate all-cause and cause-specific mortality in SLE patients between two time periods, 1997-2005 and 2006-14. METHODS: We used an administrative health database from the province of British Columbia, Canada to match all incident SLE patients to 10 non-SLE individuals on sex, age and index date. Cohorts were divided into two subgroups, according to diagnosis year: early cohort 1997-2005 and late cohort 2006-14. The outcome was death [all-cause, renal disease, cancer, infection, cardiovascular disease (CVD) and other]. Hazard ratios (HR) and 95% CIs were estimated using univariate and multivariable Cox models. RESULTS: Among 6092 SLE patients and 60 920 non-SLE individuals, there were 451 and 1910 deaths, respectively. The fully adjusted all-cause mortality HR (95% CI) in the overall SLE cohort was 1.85 (1.66, 2.06), with no statistically significant improvement between early and late cohorts [1.95 (1.69, 2.26) vs 1.74 (1.49, 2.04)]. There was excess mortality from renal disease [3.04 (2.29, 4.05)], infections [2.74 (2.19, 3.43)] and CVD [2.05 (1.77, 2.38)], but not cancer [1.18 (0.96, 1.46)], in the overall SLE cohort. There was no statistically significant improvement in cause-specific mortality between early and late cohorts for renal disease [3.57 (2.37, 5.36) vs 2.65 (1.78, 3.93)], infection [2.94 (2.17, 3.98) vs 2.54 (1.84, 3.51)] and CVD [1.95 (1.60, 2.38) vs 2.18 (1.76, 2.71)]. There was no increase in cancer-related mortality in either cohort [1.27 (0.96, 1.69) vs 1.10 (0.82, 1.48)]. CONCLUSION: This population-based study demonstrates a persisting mortality gap in all-cause and cause-specific deaths in SLE patients, compared with the general population.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».