Chronic kidney disease in patients with psoriatic arthritis: a cohort study
Notice bibliographique
Résumé
Objectives Chronic kidney disease (CKD) is a comorbidity in psoriatic arthritis (PsA). We aimed to define the prevalence of CKD in patients with PsA, describe their long-term renal outcomes and identify risk factors for CKD development. Methods We included patients with PsA followed by our prospective observational cohort. We defined CKD as an estimated glomerular filtration rate (eGFR) <60 mL/min/1.73 m 2 for at least 3 months. We characterised long-term renal outcomes of CKD cases identified following clinic entry. We used time-dependent Cox regression models to identify factors associated with CKD development. Results Of 1336 patients included in the study, 123 (9.2%) had CKD. Of these, 25 (20.3%) were observed to have CKD at clinic entry and 98 (79.7%) developed CKD during follow-up at a median (IQR) of 8.2 (2.8–14.0) years from baseline. Doubling of baseline creatinine was observed in 18 of 98 (18.3%) new patients with CKD. 49 (50%) patients developed a sustained ≥40% reduction in baseline eGFR. Two patients developed eGFR <15 mL/min/1.73 m 2 . In the multivariate Cox regression model adjusted for age at study entry, sex and baseline eGFR, factors independently associated with the development of CKD included diabetes mellitus (HR 2.58, p<0.001), kidney stones (HR 2.14, p=0.01), radiographic damaged joint count (HR 1.02, p=0.02), uric acid (HR 1.21, p<0.001; 50-unit increase), daily use of non-steroidal anti-inflammatory drugs (NSAIDs) (HR 1.77, p=0.02) and methotrexate use (HR 0.51, p=0.01). Conclusion CKD is not infrequent in PsA. Its development is associated with related comorbidities, joint damage and NSAID use. Methotrexate seems to be protective.
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 | 0,000 |
| 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 ».