Systemic lupus erythematosus phenotypes formed from machine learning with a specific focus on cognitive impairment
Notice bibliographique
Résumé
OBJECTIVE: To phenotype SLE based on symptom burden (disease damage, system involvement and patient reported outcomes), with a specific focus on objective and subjective cognitive function. METHODS: SLE patients ages 18-65 years underwent objective cognitive assessment using the ACR Neuropsychological Battery (ACR-NB) and data were collected on demographic and clinical variables, disease burden/activity, health-related quality of life (HRQoL), depression, anxiety, fatigue and perceived cognitive deficits. Similarity network fusion (SNF) was used to identify patient subtypes. Differences between the subtypes were evaluated using Kruskal-Wallis and χ2 tests. RESULTS: Of the 238 patients, 90% were female, with a mean age of 41 years (s.d. 12) and a disease duration of 14 years (s.d. 10) at the study visit. The SNF analysis defined two subtypes (A and B) with distinct patterns in objective and subjective cognitive function, disease burden/damage, HRQoL, anxiety and depression. Subtype A performed worst on all significantly different tests of objective cognitive function (P < 0.03) compared with subtype B. Subtype A also had greater levels of subjective cognitive function (P < 0.001), disease burden/damage (P < 0.04), HRQoL (P < 0.001) and psychiatric measures (P < 0.001) compared with subtype B. CONCLUSION: This study demonstrates the complexity of cognitive impairment (CI) in SLE and that individual, multifactorial phenotypes exist. Those with greater disease burden, from SLE-specific factors or other factors associated with chronic conditions, report poorer cognitive functioning and perform worse on objective cognitive measures. By exploring different ways of phenotyping SLE we may better define CI in SLE. Ultimately this will aid our understanding of personalized CI trajectories and identification of appropriate treatments.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».