Serologic phenotypes distinguish systemic lupus erythematosus patients developing interstitial lung disease and/or myositis
Notice bibliographique
Résumé
OBJECTIVES: To determine if serologic phenotypes could be identified in systemic lupus erythematosus patients developing interstitial lung disease (ILD) and/or myositis. METHODS: Adult SLE patients (without myositis/ILD at baseline) had annual assessments and serum sampling between 2000 and 2017. New-onset ILD was identified using the SDI pulmonary fibrosis item. New-onset myositis was identified using the SLICC Damage Index muscle atrophy/weakness item, the SLEDAI-2K item for myositis, and annual creatinine kinase testing. Chart review confirmed ILD/myositis cases and randomly sampled SLE patients from baseline formed our sub-cohort (N = 72). Cases and sub-cohort were compared regarding myositis-related biomarkers at baseline and at a randomly selected follow-up between baseline and end of observation (date of ILD/myositis diagnosis or Dec. 31, 2017). Descriptive analyses and hazards ratios (HRs) were generated for ILD/myositis incidence, focusing on baseline serology and adjusting for sex, race/ethnicity, age at SLE diagnosis, and SLE duration. RESULTS: Fourteen SLE patients developed ILD (N = 9), myositis (N = 3), and/or both (N = 2). Thirteen of those (92.9%) developing ILD/myositis had at least one biomarker at baseline, versus 47 (65.3%) SLE patients who never developed myositis/ILD. The most common biomarkers in myositis/ILD were KL-6, anti-Ro52, and anti-Ku. Baseline biomarkers tended to remain positive in follow-up. In multivariate Cox regressions, SLE patients had higher risk of developing myositis/ILD with elevated baseline KL-6 (adjusted hazard ratio 3.66; 95% confidence interval 1.01, 13.3). When updating biomarkers over time, we also saw correlations between anti-Smith and ILD/myositis. CONCLUSIONS: Baseline myositis-related biomarkers were highly associated with ILD/myositis incidence. This is the first identification of biomarker phenotypes with ILD/myositis risk in SLE.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».