Traditional and disease-related cardiovascular risk factors in ANCA-associated vasculitis: A prospective, two-centre cohort study
Notice bibliographique
Résumé
OBJECTIVES: ANCA-associated vasculitis (AAV) has been associated with increased risk of cardiovascular (CV) events. The aim was to assess traditional and disease-related CV risk determinants in a two-centre prospective cohort of AAV patients. METHODS: Patients were recruited from centres in the Netherlands and Canada. A comprehensive CV risk assessment was performed at inclusion. Subjects were followed up yearly for 3-5 years until the first CV event, death or end of follow-up. Cox proportional hazards analyses were performed to relate baseline characteristics to the first CV event. RESULTS: A total of 144 patients were included (mean age 62 years, female sex 44%, median Framingham risk score 14.3%). Insulin resistance was present in 73% of patients tested at inclusion, independent of concurrent prednisone therapy. After a median follow-up of 2.90 years, 16 patients (11%) experienced a CV event (14 non-fatal and 2 fatal). The incidence of CV events was 5.45 per 100 patient-years. Age, Framingham risk score, HbA1c level, Diabetes Mellitus (DM), and previous CV event were significantly associated with CV events. Other factors, such as sex, impaired renal function, dyslipidemia, hypertension, smoking history and microalbuminuria, or disease-specific variables, like ANCA serotype or disease activity, were not significantly related to CV events in univariable or age-adjusted cox regression analysis. CONCLUSIONS: Determinants of an increased CV risk were identified. Disease-related factors and treatments can further modify individual risk factors, such as for steroids causing chronic insulin resistance and DM. Treatment of risk factors is essential to optimize long-term outcomes in AAV patients.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».