THE SYSTEMIC LUPUS INTERNATIONAL COLLABORATING CLINICS (SLICC) FRAILTY INDEX (SLICC-FI) PREDICTS HOSPITALIZATIONS IN A PREVALENT LATIN AMERICAN LUPUS COHORT.
Notice bibliographique
Résumé
PV210 / #497 Poster Topic: AS23 - SLE-Diagnosis, Manifestations, & Outcomes Background/Purpose Frailty, measured with the SLICC-FI, has been reported as a predictor of damage in several cohorts. The aim of this study is to evaluate the SLICC-FI as a predictor of hospitalization in systemic lupus erythematosus (SLE) patients. Methods Patients from a single-center prevalent cohort were included. The SLICC-FI was measured at baseline. Hospitalizations were reported during the first 2 years after the baseline visit as their number as well as their duration. Univariable and multivariable negative binomial regressions were performed to determine the association between the baseline SLICC-FI (per 0.05 increase) and hospitalizations during follow-up (number and length), adjusted for sex, age at diagnosis, socioeconomic status, educational level, disease duration, SLE Disease Activity Index 2000 (SLEDAI-2K), SLICC damage index (SDI), prednisone daily dose, antimalarial and immunosuppressive drug use at baseline. Results Of the 302 patients included 280 (92.7%) were female, with mean (SD) age at diagnosis of 34.6 (7.2) years. At baseline, the mean (SD) disease duration was 7.2 (6.4) years, and the mean (SD) SLICC-FI was 0.21 (0.05). The mean number of hospitalizations per patient was 0.5 (1.6) and the mean number of days hospitalized during the two-year period per patient was 5.3 (16.8) days; 58 (17.9%) of the patients were hospitalized at least once during the follow-up. The SLICC-FI predicted a higher probability of hospitalizations as well as with a higher number of hospitalizations; these data are depicted in Table 1. Table 1: Impact of the SLICC-FI on the number and length of hospitalizations. Univariable and multivariable analyses Conclusions The SLICC-FI predicts hospitalizations in SLE patients, independently of other well-known risk factors of hospitalizations. Further studies are needed to determine strategies to improve frailty in SLE patients.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».