Baseline Characteristics and Survival Trends for Patients Diagnosed With Idiopathic Pulmonary Fibrosis Over 2016 – 2022
Notice bibliographique
Résumé
Abstract Background: Idiopathic pulmonary fibrosis (IPF) is historically quoted as having a median survival of 2-5 years, but this is largely based on older data prior to the introduction of antifibrotic drugs. We therefore aimed to identify recent trends in both patient characteristics and survival. Methods: We conducted a secondary analysis of the prospective Canadian Registry for Pulmonary Fibrosis (CARE-PF). Incident cases of IPF between 2016-2022 with a baseline pulmonary function test within 6 months of diagnosis were included. Mean age, forced vital capacity (FVC), and diffusing capacity of the lung for carbon monoxide (DLCO) were calculated according to year of IPF diagnosis. Transplant-free survival was determined based on the time from IPF diagnosis. The 3-year survival probability of patients diagnosed in each calendar year was determined using Kaplan-Meier estimates. Monotonic trends over time were evaluated using the Mann-Kendall test. Results: The cohort included 760 patients with IPF. Mean age at diagnosis was 71 years, 75% were male, and 77% were ever-smokers with a median smoking history of 25 pack-years. The mean age at IPF diagnosis was 69 years in 2016 and rose somewhat to 72 by 2022 (p=0.003) (Figure 1A). Over the same period, the mean baseline FVC increased from 79% (95%CI 76-83%) to 85% (95%CI 80-90%) (p=0.02), while baseline DLCO did not show a trend, remaining within a range of 53-61% (p=0.37) (Figure 1B). The 3-year survival probability started at 74% (95%CI 67-82%) in 2016 and increased to 84% (95%CI 76-92%) in 2021 (Figure 1C), but this was not associated with a statistically significant upward trend (p=0.06). Conclusion: Both age and baseline FVC at time of IPF diagnosis rose over 2016-2022. The 3-year survival in IPF remained stable over 2016-2022 and was generally >70%, which is higher than previously reported. This may reflect both earlier disease detection (lead time bias), increasing uptake of antifibrotic therapy over time, and improved overall care. Figure 1
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».