MétaCan
Menu
Retour à la cohorte
Enregistrement W4402547440 · doi:10.1186/s13075-024-03395-6

Prevalence of cardiovascular events in a population-based registry of patients with systemic lupus erythematosus

2024· article· en· W4402547440 sur OpenAlexfundno aff
Daniel Joyce, Jeffrey S. Berger, Allison Guttmann, Ghadeer Hasan, Jill P. Buyon, H. Michael Belmont, Jane E. Salmon, Anca Askanase, Joan M. Bathon, Laura Geraldino‐Pardilla, Yousaf Ali, Ellen M. Ginzler, Chaim Putterman, Caroline Gordon, Charles G. Helmick, Kamil E. Barbour, Heather T. Gold, Hilary Parton, Peter Izmirly

Notice bibliographique

RevueArthritis Research & Therapy · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesCenters for Disease Control and PreventionNational Center for Chronic Disease Prevention and Health PromotionNYU Grossman School of MedicineYork UniversityNew York City Department of Health and Mental Hygiene
Mots-clésMedicineNational Health and Nutrition Examination SurveyPopulationInternal medicineEthnic groupRelative riskEpidemiologySystemic lupus erythematosusDemographyDiseaseConfidence intervalEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Manhattan Lupus Surveillance Program (MLSP), a population-based retrospective registry of patients with systemic lupus erythematosus (SLE), was used to investigate the prevalence of cardiovascular disease events (CVE) and compare rates among sex, age and race/ethnicity to population-based controls. METHODS: Patients with prevalent SLE in 2007 aged ≥ 20 years in the MLSP were included. CVE required documentation of a myocardial infarction or cerebrovascular accident. We calculated crude risk ratios and adjusted risk ratios (ARR) controlling for sex, age group, race and ethnicity, and years since diagnosis. Data from the 2009-2010 National Health and Nutrition Examination Survey (NHANES) and the 2013-2014 NYC Health and Nutrition Examination Survey (NYC HANES) were used to calculate expected CVE prevalence by multiplying NHANES and NYC HANES estimates by strata-specific counts of patients with SLE. Crude prevalence ratios (PRs) using national and NYC estimates and age standardized prevalence ratios (ASPRs) using national estimates were calculated. RESULTS: CVE occurred in 13.9% of 1,285 MLSP patients with SLE, and risk was increased among men (ARR:1.7, 95%CI:1.2-2.5) and older adults (age > 60 ARR:2.5, 95%CI:1.7-3.8). Compared with non-Hispanic Asian patients, CVE risk was elevated among Hispanic/Latino (ARR:3.1, 95%CI:1.4-7.0) and non-Hispanic Black (ARR:3.5, 95%CI1.6-7.9) patients as well as those identified as non-Hispanic and in another or multiple racial groups (ARR:4.2, 95%CI:1.1-15.8). Overall, CVE prevalence was higher among patients with SLE than nationally (ASPR:3.1, 95%CI:3.0-3.1) but did not differ by sex. Compared with national race and ethnicity-stratified estimates, CVE among patients with SLE was highest among Hispanics/Latinos (ASPR:4.3, 95%CI:4.2-4.4). CVE was also elevated among SLE registry patients compared with all NYC residents. Comparisons with age-stratified national estimates revealed PRs of 6.4 (95%CI:6.2-6.5) among patients aged 20-49 years and 2.2 (95%CI:2.1-2.2) among those ≥ 50 years. Male (11.3, 95%CI:10.5-12.1), Hispanic/Latino (10.9, 95%CI:10.5-11.4) and non-Hispanic Black (6.2, 95%CI:6.0-6.4) SLE patients aged 20-49 had the highest CVE prevalence ratios. CONCLUSIONS: These population-based estimates of CVE in a diverse registry of patients with SLE revealed increased rates among younger male, Hispanic/Latino and non-Hispanic Black patients. These findings reinforce the need to appropriately screen for CVD among all SLE patients but particularly among these high-risk patients.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,206
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 GPT0,314
Écart entre enseignants0,286 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArthritis Research & TherapyMême sujetSystemic Lupus Erythematosus ResearchTravaux en français237 207