The Association Between Ambient UVB Dose and ANCA-associated Vasculitis Relapse and Onset
Notice bibliographique
Résumé
Abstract Background The etiology of ANCA-associated vasculitis (AAV) and triggers of relapse are poorly understood. Vitamin D (vitD) is an important immunomodulator, potentially responsible for the observed latitudinal differences between granulomatous and non-granulomatous AAV phenotypes. A narrow ultraviolet B spectrum induces vitD synthesis (vitD-UVB) via the skin. We hypothesised that prolonged periods of low ambient UVB (and by extension vitD deficiency) are associated with the granulomatous form of the disease and an increased risk of AAV relapse. Methods Patients with AAV recruited to the Irish Rare Kidney Disease (RKD) (n = 439) and UKIVAS (n = 1961) registries were studied. Exposure variables comprised latitude and measures of ambient vitD-UVB, including cumulative weighted UVB dose (CW-D-UVB), a well-validated vitD proxy. An n-of-1 study design was used to examine relapse risk. Multi-level models and logistic regression were used to examine the effect of predictors on AAV relapse risk, phenotype and serotype. Results Residential latitude was positively correlated (OR:1.41, 95% CI 1.14–1.74, p = 0.002) and average vitD-UVB negatively correlated (0.82, 0.70–0.99, p = 0.04) with relapse risk, with a stronger effect when restricting to winter measurements (0.71, 0.57–0.89, p = 0.002). However, these associations were not restricted to granulomatous phenotypes. We observed no clear relationship between latitude, vitD-UVB or CW-D-UVB and AAV phenotype or serotype. Conclusion Our findings suggest that low winter ambient UVB and prolonged vitD status contribute to AAV relapse risk across all phenotypes. However, development of a granulomatous phenotype does not appear to be directly vitD-mediated. Further research is needed to determine whether sufficient vitD status would reduce relapse propensity in AAV.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».