Damage measured by Damage Index for Antiphospholipid Syndrome (DIAPS) in antiphospholipid antibody-positive patients included in the APS ACTION registry
Notice bibliographique
Résumé
OBJECTIVES: Our primary objective was to quantify damage burden measured by Damage Index for Antiphospholipid Syndrome (DIAPS) in aPL-positive patients with or without a history of thrombosis in an international cohort (the APS ACTION cohort). Secondly, we aimed to identify clinical and laboratory characteristics associated with damage in aPL-positive patients. METHODS: In this cross-sectional study, we analysed the baseline damage in aPL-positive patients with or without APS classification. We excluded patients with other autoimmune diseases. We analysed the demographic, clinical and laboratory characteristics based on two subgroups: (i) thrombotic APS patients with high vs low damage; and (ii) non-thrombotic aPL-positive patients with vs without damage. RESULTS: Of the 826 aPL-positive patients included in the registry as of April 2020, 586 with no other systemic autoimmune diseases were included in the analysis (412 thrombotic and 174 non-thrombotic). In the thrombotic group, hyperlipidaemia (odds ratio [OR] 1.82; 95% CI 1.05, 3.15; adjusted P = 0.032), obesity (OR 2.14; 95% CI 1.23, 3.71; adjusted P = 0.007), aβ2GPI high titres (OR 2.33; 95% CI 1.36, 4.02; adjusted P = 0.002) and corticosteroid use (ever) (OR 3.73; 95% CI 1.80, 7.75; adjusted P < 0.001) were independently associated with high damage at baseline. In the non-thrombotic group, hypertension (OR 4.55; 95% CI 1.82, 11.35; adjusted P = 0.001) and hyperlipidaemia (OR 4.32; 95% CI 1.37, 13.65; adjusted P = 0.013) were independent predictors of damage at baseline; conversely, single aPL positivity was inversely correlated with damage (OR 0.24; 95% CI 0.075, 0.77; adjusted P = 0.016). CONCLUSIONS: DIAPS indicates substantial damage in aPL-positive patients in the APS ACTION cohort. Selected traditional cardiovascular risk factors, steroids use and specific aPL profiles may help to identify patients more prone to present with a higher damage burden.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».