Incidence, prevalence, and predictors of inflammatory arthritis in patients with hidradenitis suppurativa: a systematic review and meta‐analysis
Notice bibliographique
Résumé
An increasing amount of evidence has emerged suggesting that hidradenitis suppurativa (HS) is associated with inflammatory arthritis. This study reviewed the incidence, prevalence, and predictors of inflammatory arthritis in patients with HS. A comprehensive literature search was conducted in CINAHL, Embase, and Medline from inception to February 14, 2020. Articles were included in the review if they provided data on disease epidemiology or predictors of adult or pediatric HS patients with comorbid inflammatory arthritis. There are no validated diagnostic criteria for HS, thus we considered patients as having HS if they had at least one diagnostic code in a hospital or claims database or a diagnosis of HS/inflammatory arthritis in a medical record. The same criteria were used to confirm presence of inflammatory arthritis. We identified an increased incidence of rheumatoid arthritis (RA), ankylosing spondylitis (AS), and psoriatic arthritis (PsA) in HS patients when compared with estimates in the general population. We identified a relatively high prevalence of RA, spondyloarthritis (SpA), and PsA in HS patients when compared with estimates in the general population. There was evidence to suggest that patients who are younger than 30, male, have severe HS, or are taking infliximab or adalimumab (which may also be confounded by HS disease severity) may be at greater risk for specific subtypes of inflammatory arthritis. However, further data are needed to confirm these associations. The increased incidence and prevalence of inflammatory arthritis within HS patients underscore the need for increased awareness and interdisciplinary partnership within rheumatology and dermatology.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 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 ».