Risk factors for incidence of interstitial lung disease in patients with rheumatoid arthritis: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objectives This study aimed at identifying risk factors for the incidence of interstitial lung disease in patients with rheumatoid arthritis (RA-ILD) by a systematic review and meta-analysis. Methods Information sources: studies published by March 2021 were searched in PubMed, Web of Science, MEDLINE, EMBASE, Cochrane Library and Scopus databases. Eligibility criteria: cohort studies or nested case-control studies that reported OR or HR of risk factors for RA-ILD were included. Two researchers independently screened the studies and extracted data. Synthesis of results: the relative risks (RRs) were introduced to measure the association across studies. Risk bias: quality assessments of included studies were performed using the Newcastle-Ottawa Scale. Based on the result of heterogeneity, the random-effects model or fixed-effects model was chosen in the meta-analysis. Furthermore, a sensitivity analysis was conducted to identify the origins of heterogeneity, and publication bias was evaluated for the factors with no less than five included studies by funnel plots and Egger’s test. Results Among 3075 identified articles, 12 studies met the inclusion criteria. 17 risk factors were included in the meta-analysis. Male (RR 1.94, 95% CI 1.33 to 2.85, p<0.001), elder age (>60 years, RR 1.42, 95% CI 1.05 to 1.94, p=0.02), older RA onset age (RR 1.05, 95% CI 1.01 to 1.10, p=0.02), smoking (RR 1.37, 95% CI 1.09 to 1.71, p=0.006), lung complications (RR 2.72, 95% CI 1.24 to 5.95, p=0.01), rheumatoid nodule (RR 1.85, 95% CI 1.36 to 2.51, p<0.001), leflunomide usage (RR 1.41, 95% CI 1.02 to 1.96, p=0.04) were identified as risk factors of RA-ILD. Conclusion Physicians should be aware that patients with RA with the above risk factors are likely to develop RA-ILD, and perform close ILD screening during follow-ups so that the patients can be early diagnosed and treated, and achieve improved prognosis.
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 | 0,022 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,027 | 0,059 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».