Acute exacerbations in patients with progressive pulmonary fibrosis
Notice bibliographique
Résumé
Background Acute exacerbations of fibrosing interstitial lung diseases (ILDs) are associated with high mortality. We used prospective data from the INBUILD trial to investigate risk factors for acute exacerbations and the impact of these events in patients with progressive pulmonary fibrosis. Methods Patients with progressive fibrosing ILDs other than idiopathic pulmonary fibrosis (IPF) were randomised to receive nintedanib or placebo. Associations between baseline characteristics and time to first acute exacerbation were assessed using pooled data from both treatment groups using Cox proportional hazard models, firstly univariable models and then a multivariable model using forward stepwise selection. The risk of death was estimated based on the Kaplan−Meier method. Results Over a median follow-up of approximately 19 months, acute exacerbations were reported in 58 (8.7%) of 663 patients. In the risk factor analysis, the final model included diffusing capacity of the lung for carbon monoxide ( D LCO ) % predicted, treatment and age. Lower D LCO % predicted was associated with an increased risk of acute exacerbation with a hazard ratio (HR) of 1.56 (95% CI 1.21–2.02) per 10 units lower (p<0.001). Age ≥65 years was associated with a numerically increased risk (HR 1.55, 95% CI 0.87–2.77; p=0.14). Treatment with nintedanib conferred a numerically reduced risk versus placebo (HR 0.60, 95% CI 0.35–1.02; p=0.06). The estimated risks of death ≤30 days and ≤90 days after an acute exacerbation were 19.0% (95% CI 8.9–29.2) and 32.0% (95% CI 19.7–44.2). Conclusions Acute exacerbations of progressive pulmonary fibrosis may have similar risk factors and prognostic impact as acute exacerbations of IPF.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».