Performance of a New Instrument for the Measurement of Systemic Lupus Erythematosus Disease Activity: The SLE-DAS
Notice bibliographique
Résumé
Systemic lupus erythematosus (SLE) is a chronic systemic autoimmune disease that affects multiple organ systems and manifests in a relapsing-remitting pattern. Consequently, it is paramount for rheumatologists to assess disease activity, identify flare-ups, and establish treatment goals for patients with SLE. In 2019, the Systemic Lupus Erythematosus Disease Activity Score (SLE-DAS) was introduced as a novel tool for measuring disease activity. This tool refines the parameters of the established SLE Disease Activity Index 2000 (SLEDAI-2K) to enhance the assessment process. This review aims to provide an introduction to the Systemic Lupus Erythematosus Disease Activity Score (SLE-DAS) and summarizes research on its development, its comparison with existing disease activity measures, and its performance in clinical settings. Literature searches on PubMed using the keyword "SLE-DAS" were conducted, covering publications from March 2019 to September 2023. Studies that compared SLE-DAS with other SLE disease activity measurement tools were reviewed. Findings indicated that SLE-DAS consistently performs on par with, and sometimes better than, traditional measures in assessing clinically meaningful changes, patient improvement, disease activity, health-related quality of life, hospitalization rates, and disease flare-ups. The association between SLE-DAS and mortality rates among patients with SLE, however, remains to be further explored. Although SLE-DAS is a promising and potentially effective tool for measuring SLE disease activity, additional research is needed to confirm its effectiveness and broaden its clinical use.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 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 ».