MétaCan
Menu
Retour à la cohorte
Enregistrement W4401200481 · doi:10.17615/3436-n322

A Longitudinal Analysis of Outcomes of Lupus Nephritis in an International Inception Cohort Using a Multistate Model Approach

2024· article· en· W4401200481 sur OpenAlexfundno aff
Murray B. Urowitz, Joan T. Merrill, Kenneth Kalunian, Chris Theriault, David Isenberg, John G. Hanly, Cynthia Aranow, Barri J. Fessler, Guillermo Ruiz‐Irastorza, Anca Askanase, Paul R. Fortin, Søren Jacobsen, Susan Manzi, Graciela S. Alarcón, Gunnar Sturfelt, Michelle Petri, Ronald van Vollenhoven, Ann E. Clarke, Ian N Bruce, Kristján Steinsson, Jorge Sánchez‐Guerrero, Mary Ann Dooley, Christine Peschken, Sang‐Cheol Bae, Juanita Romero‐Díaz, D. Gladman, Sasha Bernatsky, Caroline Gordon, S Sam Lim, Murat İnanç, Vernon T. Farewell, Ellen M. Ginzler, Manuel Ramos‐Casals, Daniel J. Wallace, Asad Zoma, M A Khamashta, Anisur Rahman, Rosalind Ramsey‐Goldman, Diane L Kamen, Ola Nived

Notice bibliographique

RevueUNC Libraries · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePrion Diseases and Protein Misfolding
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilNational Institutes of HealthSanofiLupus Research AllianceKyowa Hakko KirinWellcome TrustUniversity College LondonNovo NordiskNational Institute for Health and Care ResearchArthritis SocietyAntheraGenentechSandwell and West Birmingham Hospitals NHS TrustEli Lilly and CompanyEusko JaurlaritzaJohns Hopkins UniversityAblynxUniversity of CalgaryGigtforeningenGlaxoSmithKlinePfizerBristol-Myers SquibbAstraZenecaUniversité Laval
Mots-clésLupus nephritisCohortMedicineLongitudinal studyLongitudinal dataInternal medicineComputer sciencePathologyData miningDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To study bidirectional change and predictors of change in estimated glomerular filtration rate (GFR) and proteinuria in lupus nephritis (LN) using a multistate modeling approach. METHODS: Patients in the Systemic Lupus International Collaborating Clinics inception cohort were classified annually into estimated GFR state 1 (>60 ml/minute), state 2 (30-60 ml/minute), or state 3 (<30 ml/minute) and estimated proteinuria state 1 (<0.25 gm/day), state 2 (0.25-3.0 gm/day), or state 3 (>3.0 gm/day), or end-stage renal disease (ESRD) or death. Using multistate modeling, relative transition rates between states indicated improvement and deterioration. RESULTS: Of 1,826 lupus patients, 700 (38.3%) developed LN. During a mean ± SD follow-up of 5.2 ± 3.5 years, the likelihood of improvement in estimated GFR and estimated proteinuria was greater than the likelihood of deterioration. After 5 years, 62% of patients initially in estimated GFR state 3 and 11% of patients initially in estimated proteinuria state 3 transitioned to ESRD. The probability of remaining in the initial states 1, 2, and 3 was 85%, 11%, and 3%, respectively, for estimated GFR and 62%, 29%, and 4%, respectively, for estimated proteinuria. Male sex predicted improvement in estimated GFR states; older age, race/ethnicity, higher estimated proteinuria state, and higher renal biopsy chronicity scores predicted deterioration. For estimated proteinuria, race/ethnicity, earlier calendar years, damage scores without renal variables, and higher renal biopsy chronicity scores predicted deterioration; male sex, presence of lupus anticoagulant, class V nephritis, and mycophenolic acid use predicted less improvement. CONCLUSION: In LN, the expected improvement or deterioration in renal outcomes can be estimated by multistate modeling and is preceded by identifiable risk factors. New therapeutic interventions for LN should meet or exceed these expectations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,313

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,298
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetPrion Diseases and Protein MisfoldingTravaux en français237 207