Incidence and risk factors of systemic lupus erythematosus in patients with primary immune thrombocytopenia: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Immune disorders and autoantibodies has been noted in both primary immune thrombocytopenia (ITP) and systemic lupus erythematosus (SLE). Whether the two disorders are correlated is unclear. The lack of evidence on the incidence of and risk factors for SLE in primary ITP patients poses a challenge for prediction in clinical practice. Therefore, we conducted this study. Methods: The protocol was registered with PROSPERO (CRD42023403665). Web of Science, Cochrane, PubMed, and EMBASE were searched for articles published from inception to 30 September 2023 on patients who were first diagnosed with primary ITP and subsequently developed into SLE. Furthermore, the risk factors were analyzed. Study quality was estimated using the Newcastle-Ottawa Scale. The statistical process was implemented using the R language. Results: This systematic review included eight articles. The incidence of SLE during the follow-up after ITP diagnosis was 2.7% (95% CI [1.3-4.4%]), with an incidence of 4.6% (95% CI [1.6-8.6%]) in females and 0 (95% CI [0.00-0.4%]) in males. Older age (OR = 6.31; 95% CI [1.11-34.91]), positive antinuclear antibody (ANA) (OR = 6.64; 95% CI [1.40-31.50]), hypocomplementemia (OR = 8.33; 95% CI [1.62-42.91]), chronic ITP (OR = 24.67; 95% CI [3.14-100.00]), organ bleeding (OR = 13.67; 95% CI [2.44-76.69]), and female (OR = 20.50; 95% CI [4.94-84.90]) were risk factors for subsequent SLE in ITP patients. Conclusion: Patients with primary ITP are at higher risk of SLE. Specific follow-up and prevention strategies should be tailored especially for older females with positive ANA, hypocomplementemia, or chronic ITP. In subsequent studies, we need to further investigate the risk factors and try to construct corresponding risk prediction models to develop specific prediction strategies for SLE.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 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 | 0,000 |
| 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 ».