MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410513128 · doi:10.3899/jrheum.2025-0390.pv048

CLINICAL FEATURES AND OUTCOMES OF SEIZURE DISORDERS IN NEUROPSYCHIATRIC SYSTEMIC LUPUS ERYTHMATOSUS IN CHINA

2025· article· en· W4410513128 sur OpenAlexvenueno aff
Yang Wu, Shangzhu Zhang, Dong Xu, Wenfeng Tan, Wei Wei, Yi Zhao, Mengtao Li, Xiaofeng Zeng

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSystemic diseaseSystemic lupusEpilepsyChinaSystemic lupus erythematosusDermatologyIntensive care medicinePsychiatryImmunopathologyImmunologyInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

PV048 / #473 Poster Topic: AS05 - CNS Lupus Background/Purpose Patients with Neuropsychiatric Systemic Lupus Erythematosus (NPSLE) experience impaired quality of life, while the underlying causes remain unknown. Seizure, one of the common subtypes of NPSLE, is predictive of poor prognosis for SLE. In this study, we evaluated clinical features and the risk factors with prognostic outcome in a large dataset of NPSLE with seizure in China. Methods NPSLE inpatients and outpatients with seizure (after diagnosed of SLE, or before but within 6 months) treated mainly at Peking Union Medical College Hospital and other multiple institutions around China between July 2011 and June 2024 were considered. SLE was diagnosed when the SLE classification criteria recommended by the American College of Rheumatology (ACR) in 1997 or those of the Systemic Lupus International Collaborating Clinics (SLICC) in 2012 and the diagnostic criteria for NPSLE in SLE proposed by the ACR in 1999 were fulfilled. Clinical data and laboratory examination results were retrospectively collected. The SLE disease activity index (SLEDAI) was used to evaluate lupus activity. SLEDAI ≥ 15 points indicates severe SLE activity. SPSS 27.0 software and GraphPad Prism 10.2.0 were used for statistical analyses. Results Data were collected from a total of 632 NPSLE patients with seizures; of these, 556 (88.0%) were female, with an average age of 34.1 years (range, 9-73). The median duration of SLE was 3.0 years (range, 0-42), and the median duration of NP was 2 months (range, 0-150). Among all patients, 301 (47.6%) had central nervous system (CNS) involvement aside from seizures, 20 (3.2%) had peripheral nervous system (PNS) involvement, and 13 (2.1%) had both. The most common NP subtypes were acute confusional state (ACS), cognitive impairment, cerebrovascular disease, headache, and psychosis (Table 1). In the prognostic analysis, 23 patients (3.6%) died, of whom 20 (87.0%) were women, and 17 (73.9%) were older than 25 years. Comparing the deceased and surviving groups, there were significant differences in the prevalence of serositis (p = 0.003), respiratory involvement (p = 0.002), cardiac involvement (p = 0.003), renal involvement (p = 0.013), proteinuria (p = 0.025), elevated serum creatinine (Scr) (p < 0.001), and SLEDAI score ≥ 15 (p = 0.021). These findings indicate that these factors are associated with a poor prognosis (Table 2). Table 1. Baseline characteristics of NPSLE patients with seizure. Table 2. Prognostic analysis of clinical characteristics of NPSLE patients with seizure. Conclusions NPSLE patients with seizures, combined with serositis, respiratory, cardiac, or renal involvement, proteinuria, elevated serum creatinine, or high disease activity, may have a poorer 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,322
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetSystemic Lupus Erythematosus Research→Travaux en français237 207→