Distinctive clinical patterns and management trends in late-onset psoriatic arthritis: data from Argentina’s RECCAPSO registry
Notice bibliographique
Résumé
Background: Late-onset psoriatic arthritis (LO-PsA) has been underexplored despite its growing prevalence in aging populations. Understanding its distinct clinical presentation and treatment patterns is essential to optimize care in this subgroup. Objectives: To describe the demographic, clinical, and therapeutic features of patients with LO-PsA compared to early onset PsA (EO-PsA) using data from the Argentine RECCAPSO registry. Design: Ambispective, multicenter analysis with a cross-sectional evaluation. Methods: Patients with PsA were categorized into EO-PsA (age of onset ⩽60 years) and LO-PsA (>60 years). Demographics, clinical characteristics, disease activity, and treatment variables were compared between groups using appropriate statistical tests. A multivariate logistic regression model was constructed to identify factors independently associated with LO-PsA. Results: A total of 271 PsA patients were included (EO-PsA: n = 184; LO-PsA: n = 87). LO-PsA patients had higher frequencies of hypertension (50% vs 21.4%, p < 0.001), diabetes (22.1% vs 7.9%, p = 0.007), and oligoarticular presentation (57.4% vs 40.5%, p = 0.03), and were less likely to receive b/tsDMARDs (42.6% vs 58.7%, p = 0.02). In multivariate analysis, hypertension (OR: 4.69, 95% CI: 1.83–12.03) and diabetes (OR: 14.83, 95% CI: 2.36–93.05) were independently associated with LO-PsA. Conclusion: LO-PsA presents a distinct clinical profile characterized by greater comorbidity burden and lower exposure to advanced therapies. These findings highlight the need for tailored management strategies in older adults with PsA.
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) | 0,001 | 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 ».