Progressing or preserving, disease extent evolution in hospitalized patients with ulcerative colitis in China: a real-world study
Notice bibliographique
Résumé
Background: Disease extent of ulcerative colitis (UC) is dynamic, often shows progression or regression over time. However, factors associated with disease progression in long-term follow-ups remain underexplored. Objectives: This study aimed to examine disease extent progression in Chinese patients in a long-term follow-up cohort and identify associated risk factors. Design: Retrospective analysis. Methods: We retrospectively analyzed 800 hospitalized UC patients from 1980 to 2021, and followed up to December 2023. The disease extent was categorized according to the Montreal classification. The Cox regression model was used to identify factors associated with progression. Results: At diagnosis, 19.1% had E1 (ulcerative proctitis), 29.8% had E2 (left-sided UC), and 51.1% had E3 (extensive UC). By the end of follow-up, the proportion of maximum disease extent of E3 cases increased to 74.9%, while E1 and E2 patients decreased to 6.6% and 18.5%, respectively. Cox regression analysis revealed that patients with a history of appendectomy before the onset of disease were at higher risk of disease progression in those initially diagnosed with E1. Lower usage of glucocorticoids, immunosuppressants, and biologics were found in progression to the E3 group than initial E3 group. Lower usage of immunosuppressants and biologics before progression were found in the progressed to E3 group than not progressed to E3 group. Conclusion: Disease extent progression was common in Chinese UC patients. We suggest the necessity of aggressive treatment strategies, especially for early-stage UC patients, to mitigate disease progression and reduce the risk of related complications.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».