Cardiovascular Health and Adverse Pregnancy Outcomes in Autoimmune Rheumatic Diseases
Notice bibliographique
Résumé
Autoimmune rheumatic diseases (ARDs) primarily affect women during their reproductive years, and pregnancy can be enormously challenging in these women. Increased prevalence of adverse pregnancy outcomes (APOs) in these women, such as preterm birth (PTB), small for gestational age (SGA), and preeclampsia, is well recognized. Additionally, there is evidence to suggest that pregnancy may contribute to the progression of preclinical autoimmune disease and APOs might be the clue to such progression.1 In women without ARDs, multiple studies have underscored a link between APOs and the mother’s increased risk of future cardiovascular disease (CVD).2-5 However, it is unclear whether similar risks exist in women with ARDs, such as systemic lupus erythematosus (SLE), antiphospholipid syndrome (APS), and rheumatoid arthritis (RA), and whether CVD-related events somehow translate into APOs in these women. Quantifying and understanding underlying mechanisms are crucial, as cardiovascular (CV) morbidity and mortality are higher in several ARDs.6,7 In this issue of The Journal of Rheumatology , Dhital et al explore the relationship between CV events (CVEs) that occurred during pregnancy and the risks of APOs (PTB, SGA, or a composite of either) among women with ARDs in a large, retrospective population cohort of pregnant women who gave birth to singleton liveborn infants, using relevant linked databases.8 They found higher CVEs in pregnant women with ARDs (1.4%) and APS (5.5%) compared to those who had neither (0.3%). Rates of APOs were also higher in women with ARDs (26.9%) and APS (21.2%) than in those without (15.2%). Additionally, CVEs were linked to a higher risk of composite APOs for all groups under study, with adjusted risk ratios ranging from 1.2 to 1.4. Compared to the control group (those without CVEs or ARDs/APS), the adjusted risk differences of APOs per 100 births were 7.8 (95% … Address correspondence to Dr. V. Ravindran, Centre for Rheumatology, Calicut, Kerala 673009, India. Email: drvinod12{at}gmail.com.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».