The impact of IgG subclass deficiency on the risk of mortality in hospitalized patients with COPD
Notice bibliographique
Résumé
BACKGROUND: Immunoglobulin G (IgG) deficiency increases the risk of acute exacerbations and mortality in chronic obstructive pulmonary disease (COPD). However, the impact of IgG subclass deficiency on mortality in COPD is unknown. Here, we determined which IgG subclass, if any, is associated with increased risk of mortality in COPD. METHODS: We measured serum IgG subclass concentrations of 489 hospitalized patients with COPD who were enrolled in the Rapid Transition Program (clinicaltrials.gov identifier NCT02050022). To evaluate the impact of IgG subclass deficiency on 1-year mortality, Cox proportional hazards regression analyses were performed with adjustments for potential confounders. RESULTS: Deficiencies in IgG1, IgG2, IgG3, and IgG4 were present in 1.8%, 12.1%, 4.3%, and 11.2% of patients, respectively. One-year mortality was 56% in patients with IgG1 deficiency, 27% in IgG2 deficiency, 24% in IgG3 deficiency, and 31% in IgG4 deficiency. Cox proportional modeling showed that IgG1 and IgG4 deficiencies increased the 1-year mortality risk with an adjusted hazard ratio of 3.92 (95% confidence interval [CI] = 1.55-9.87) and 1.74 (95% CI = 1.02-2.98), respectively. Neither IgG2 nor IgG3 deficiency significantly increased 1-year mortality. Two or more IgG subclass deficiencies were observed in 5.3%. Patients with 2 or more IgG subclass deficiencies had a higher 1-year mortality than those without any deficiencies (46.2% vs. 19.7%, p < 0.001), with an adjusted hazard ratio of 2.22 (95% CI = 1.18-4.17). CONCLUSIONS: IgG1 and IgG4 deficiency was observed in 1.8% and 11.2% of hospitalized patients with COPD, respectively, and these deficiencies were associated with a significantly increased risk of 1-year mortality.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».