MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410715670 · doi:10.3899/jrheum.2025-0390.pt002

COMPLEMENTARY LUPUS-SPECIFIC INDEXES INFORMED BY SELECT IMMUNE MEDIATORS CHARACTERIZE RISK OF CONCURRENT DISEASE ACTIVITY AND FUTURE IMPENDING FLARE IN SYSTEMIC LUPUS ERYTHEMATOSUS

2025· article· en· W4410715670 sur OpenAlexvenueno aff
Melissa E. Munroe, Daniele C. DeFreese, Adrian Holloway, Bernard Rubin, Mohan Purushothaman, Wade DeJager, Susan Macwana, Joel M. Guthridge, Stan Kamp, Nancy Redinger, Teresa Aberle, Eliza Chakravarty, Cristina Arriens, Yanfeng Li, Hu Zeng, Uma Thanarajasingam, Judith James, Eldon R. Jupe

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Lupus Erythematosus Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineSystemic lupus erythematosusImmunologyImmune systemLupus erythematosusImmunopathologySystemic diseaseFlareConnective tissue diseaseDiseaseAutoimmune diseaseAntibodyInternal medicine

Résumé

récupéré en direct d'OpenAlex

PT002 / #417 Topic: AS09 - Emerging Approaches in SLE Management POSTER TOUR 01: CLINICAL OUTCOMES IN SLE 22-05-2025 10:00 AM - 10:40 AM Background/Purpose Systemic lupus erythematosus (SLE) is driven by immune dysregulation, with increased risk for heightened clinical disease activity and flare that lead to permanent end-organ damage, morbidity, and early mortality. Capturing immune dysregulation as lab-based screening tests would help prioritize SLE patients for early intervention. This study assesses the utility of employing a Lupus Flare Risk Index (L-FRI) and Lupus Disease Activity Index (L-DAI) in parallel to assess simultaneous risk of future disease flare and concurrent disease activity to guide therapy. Methods We assessed levels of 17 SLE-associated plasma mediators to calculate L-FRI and L-DAI scores in 80 preflare vs 76 prenonflare visits, as well as 49 flare vs 51 nonflare follow-up visits with available samples, from a unique cohort of prospectively followed SLE patients. Hybrid SLEDAI (hSLEDAI) scores, clinical features, medication usage, and the presence of SLE-associated autoantibody specificities, including dsDNA, chromatin, Ro/SSA, La/SSB, Sm, SmRNP, and RNP, were also compared. The L-FRI algorithm reflects the sum of 11 log-transformed, standardized immune mediators, weighted by the Spearman r correlation coefficient for each preflare (PF)/pre-nonflare (PNF) analyte vs subsequent hSLEDAI scores at the time of future flare/nonflare.[1,2] The L-DAI algorithm reflects the sum of 10 log-transformed, standardized immune mediators, weighted by the Spearman r correlation coefficient of each active (hSLEDAI ≥4)/low (hSLEDAI<4) disease activity analyte vs the composite of concurrent hSLEDAI scores and number of SLE-associated autoantibody specificities.[3] Results Forty of 80 (50%) preflare vs 24 of 76 (32%) pre-nonflare visits were associated with concurrent active disease (hSLEDAI≥4; p=0.0230). The L-FRI differentiated preflare vs pre-nonflare visits and subsequent flare vs nonflare visits, irrespective of disease activity state (Figure 1A), with severe flare visits present above the high-risk cut-off (decision curve analysis, [1,2]). The L-DAI differentiated concurrent active vs low (hSLEDAI<4) disease activity, irrespective of preflare/pre-nonflare or flare/nonflare status (Figure 1B), with renal manifestations present above the high-risk cut-off (decision curve analysis, [3]). All SLE groups had significantly higher L-FRI and L-DAI scores than demographically matched healthy Ctrl (n=71, p<0.0001, Figure 1A,B). Plasma levels of BLyS (L-FRI, L-DAI), as well as L-FRI informing mediators MCP-3, TNFRI, and TNFRII were highest in preflare visits with concurrent active disease (p<0.05), while IL-17A levels were highest in preflare visits with concurrent low disease activity (p<0.05), Figure 1C. IL-7 (L-FRI, L-DAI) levels were increased with both flare and disease activity risk (p<0.05), while L-DAI informing mediators IFN-α and IP-10 were highest in active disease, with preflare increased over pre-nonflare levels (p<0.05), Figure 1C. Of interest, although the L-FRI and L-DAI performed well at assessing flare and disease activity risk, respectively (AUC>0.9), parallel assessment of L-FRI and L-DAI performed better than either alone to identify simultaneous risk of concurrent active disease and imminent flare risk, Table 1. Figure 1. Using Lupus Flare Risk Index (L-FRI, A) and Lupus Disease Activity Index (L-DAI, B) to evaluate combination of impending flare and concurrent disease activity risk. Select L-FRI and L-DAI informing mediators reflect flare and/or disease activity rsk (C) PF-Preflare; PNF=PreNonflare; Active (hSLEDAI≥4); Low (hSLEDAI<4); *p<0.05; **p<0.01, ****p<0.0001 by Kruskal-Wallis test with Dunn’s multiple comparison. Table 1. Combination of L-FRI and L-DAI Tests Optimally Informs Future Flare and Concurrent Disease Activity Risk Conclusions The L-FRI used with the L-DAI optimally identified risk of imminent lupus disease flare and concurrent active disease, including severe flare and renal manifestations. A subset of mediators consistently enhanced the L-FRI and L-DAI tests to identify SLE patients who may benefit from early intervention strategies. Such an approach would improve disease management and be advantageous in prospective clinical trials for study participant recruitment and assessment. References: [1.] Munroe M. Arthritis Rheumatol 2023;75:723-5. [2.] Munroe M. Annal Rheum Dis 2024;83:402-3. [3.] Munroe M. Annal Rheum Dis 2024;83:19-20.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,281
Écart entre enseignants0,270 · 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→