Autoimmune Haemolytic Anaemia: A cross sectional study in a Tertiary Haematological Centre
Notice bibliographique
Résumé
Autoimmune haemolytic anaemia (AIHA) is a group of disorders wherein autoantibody causes decompensated acquired haemolysis. There has been no epidemiological study of autoimmune haemolytic anaemia (AIHA) in Malaysia. This study retrospectively analysed the epidemiology of AIHA including Evan’s Syndrome in a Tertiary Haematology Centre in Malaysia. Patients diagnosed with AIHA and Evan’s Syndrome at 18 years old and above between 1 January 1994 to 1 October 2020 at the out-patient Haematology Clinic of Hospital Raja Permaisuri Bainun, Ipoh were selected. Patients’ information was retrieved from the outpatient clinic records. A total of 71 patients were included of which predominantly female. The mean age for both genders were comparable. Ethnic stratification revealed AIHA was higher in Malays followed by Chinese and Indian. Warm AIHA was most prevalent at 40.8%, compared to cold AIHA and Evan’s Syndrome (both 23.9%), and mixed AIHA (11.3%). Primary was more common than secondary AIHA followed by Evan’s Syndrome. Approximately half of the secondary AIHA and secondary Evan’s Syndrome were due to SLE. Overall, 67.6% of patients received corticosteroid only and 28.2% combined with immunosuppressant. Individuals at higher age and females have higher risk of developing AIHA and Evan’s Syndrome. The highest prevalence was seen among the Malay ethnic. Primary warm AIHA is the most common type and majority of Evan’s syndrome are secondary to autoimmune diseases.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».