1121 Evaluation of comorbidities and damage in Canadian patients with systemic lupus erythematosus
Notice bibliographique
Résumé
Background Systemic Lupus Erythematosus (SLE) is a chronic autoimmune disease with a wide array of clinical manifestations, treated with corticosteroids and long term immunosuppressants to reduce the disease activity and damage. Our objectives were to examine a Canadian cohort of SLE patients in comparison to the general Canadian population to examine potential risk factors for comorbidities and disease damage in SLE patients. We hypothesize that SLE patients accumulate more damage and comorbidities with greater disease activity and corticosteroid exposure over time compared to the general population. Methods We explored the Canadian Network for Improved Outcomes in SLE (CaNIOS) registry, a multi-centred cohort of Canadian SLE patients, to identify prevalence of damage using the SLICC SLE Damage Index (SDI) and comorbidity using the Charlson Comorbidity Index (CCI). We also performed an age-matched data analysis to compare the comorbidities prevalence between the CaNIOS registry and the general Canadian population (Canadian Community Health Survey). Exploratory analysis was done using descriptive statistics. Univariable analysis was performed to identify potential predictors of comorbidities and damage in the CaNIOS SLE population at baseline. Variables that were significant at the univariable level were included in Generalized Linear Model (GLM). Results 603 SLE patients from the CaNIOS registry were included, mean age 50.9 years (SD=14.6), average disease duration 14.2 years (SD=11.9), 91% being female. Mean SLE disease activity score (SLEDAI) was 3.1 (SD 3.5) and mean ACR classification criteria 5.3 (1.5). Mean CCI was 1.33 (SD=0.69), and mean SDI was 1.34 (SD=2.04). The most common comorbidities in CaNIOS patients were cerebrovascular disease (6.5%), followed by solid tumours (5.8%). Compared to their age-matched general population counterparts, SLE patients had higher rates of cancer (7.8% vs 2%) and cerebrovascular disease (6.5% vs 1.8%) (p<0.0001). Multivariable GLM showed age to be a significant predictor for increased comorbidities (p<0.05). Baseline risk factors associated with increased damage (SDI) were age, longer disease duration, higher ACR scores, current smoking and prednisone use within the last year (p<0.05). Female gender (p<0.0160), a recent onset of disease (<12 months) (p<0.0001) and intravenous steroid use (p<0.0286) were found to be associated with less disease damage. Conclusions Canadian lupus patients have a greater burden of certain comorbidities compared to the general population. Identifying the risk factors associated with comorbidities and greater disease damage is a very important step in treating those patients. Acknowledgement This study is on behalf of CANIOS (Canadian Network of Improved Outcomes in SLE) authors: Jennifer Reynolds, Antonio Avina-Zubieta, Ann Clarke, Carol Hitchon, Annaliese Tisseverasinghe, Paul Fortin, Catherine Ivory, Derek Haaland, Kim Legault, Mark Matsos, Janet Pope
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».