Active lupus in Argentina: Results of a multicenter and national registry
Notice bibliographique
Résumé
Objective To evaluate the association between patients’ characteristics and disease activity in an Argentine lupus registry. Methods Cross-sectional study. Disease activity was stratified into: Remission off-treatment: SLEDAI = 0, without prednisone and immunosuppressive drugs. Low disease activity Toronto Cohort (LDA-TC): SLEDAI ≤2, without prednisone or immunosuppressive drugs. Modified lupus low disease activity (mLLDAS): SLEDAI score of ≤4, with no activity in major organ systems and no new features, prednisone of ≤10 mg/day and/or immunosuppressive drugs (maintenance dose) and Active disease: SLEDAI score of >4 and prednisone >10 mg/day and immunosuppressive drugs. A descriptive analysis and logistic regression model were performed. Results A total of 1346 patients were included. Of them, 1.6% achieved remission off steroids, 0.8% LDA-TC, 12.1% mLLDAS and the remaining 85.4% had active disease. Active disease was associated with younger age ( p ≤ 0.001), a shorter time to diagnosis ( p ≤ 0.001), higher frequency of hospitalizations ( p ≤ 0.001), seizures ( p = 0.022), serosal disease ( p ≤ 0.001), nephritis ( p ≤ 0.001), higher SDI ( p ≤ 0.001), greater use of immunosuppressive therapies and higher doses of prednisone compared to those on mLLDAS. In the multivariable analysis, the variables associated with active disease were the presence of pleuritis (OR 2.1, 95% CI 1.2–3.9; p = 0.007), persistent proteinuria (OR 2.5, 95% CI 1.2–5.5; p ≤ 0.011), nephritis (OR 2.5, 95% CI 1.2–5.6; p = .018) and hospitalizations (OR 8.9, 95% CI 5.3–16.0; p ≤ 0.001) whereas age at entry into the registry was negatively associated with it (OR 0.9, 95% CI 0.9–1.0; p = 0.029). Conclusion Active disease was associated with shorter time to diagnosis, worse outcomes (SDI and hospitalizations) and renal, neurological and serosal disease.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».