Prevalence and Predictors of Inflammatory Arthritis in Hidradenitis Suppurativa
Notice bibliographique
Résumé
Hidradenitis Suppurativa (HS) is a chronic, debilitating, auto-inflammatory condition often associated with inflammatory arthritis, significantly impacting patients' quality of life. Early diagnosis of both conditions is crucial for optimal management. The objective of this study was to determine the prevalence and factors associated with the development of inflammatory arthritis among HS patients. A cross-sectional study was conducted between November 2021 and February 2023 at an academic dermatology centre in Canada. Adult patients with HS were consecutively sampled, and 52 patients consented to participate and completed assessments. Variables examined included age, sex, HS severity, treatment, ethnicity, family history, lifestyle factors and comorbidities. The main outcomes were rheumatologist-confirmed inflammatory arthritis diagnosis and associated risk factors. Among 52 patients (24 males, 28 females; mean age: 37.4 years), 12 had inflammatory arthritis. Multivariate analysis revealed that Blacks (OR = 0.10, p < 0.001, CI: 0.026-0.343) and Asians (OR = 0.02, p < 0.001, CI: 0.005-0.109) had lower inflammatory arthritis odds compared to Whites. Every 1-year increase in age at HS onset correlated with a 1.17-fold increase in the odds of developing inflammatory arthritis (OR: 1.17, p < 0.001, CI: 1.12-1.24). Smoking (OR = 0.01, p < 0.001, CI: 0.002-0.49), hypertension (OR: 0.23, p = 0.04, CI: 0.057-0.930) and depression (OR: 0.12, p < 0.001, CI: 0.041-0.330) reduced inflammatory arthritis odds. White ethnicity and older age at HS onset were positively associated with inflammatory arthritis, while smoking, hypertension and depression were negatively associated. These findings suggest a distinct subset of HS patients with inflammatory arthritis that warrant further prospective studies. This study contributes to the understanding of inflammatory arthritis in HS patients and emphasises the importance of rheumatology referral during dermatologic clinic visits.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».