The incidence and risk factors of uveitis in children with juvenile idiopathic arthritis (JIA): a meta -analysis and literature review
Notice bibliographique
Résumé
BACKGROUND: Uveitis is a serious complication of juvenile idiopathic arthritis (JIA). Despite its seriousness, a comprehensive understanding of its incidence and early risk factors remains elusive. This knowledge gap poses challenges for formulating tailored clinical early identification and prevention strategies. Therefore, our study aims to review the incidence and risk factors of uveitis in JIA patients, and provide evidence-based insights for developing specific clinical risk identification and prevention strategies. METHODS: We systematically searched databases including PubMed, Cochrane, Embase, and Web of Science until December 31, 2023. The quality of included studies was assessed through the Newcastle-Ottawa Scale (NOS). Incidence data were synthesized from cohort studies, and meta-analysis was conducted through R language. RESULTS: Our review encompassed 28 original studies involving 22,834 JIA patients, among whom 3,381 developed uveitis during the follow-up period. Meta-analysis revealed an overall prevalence of uveitis at 12.7% (95% CI: 10.5 - 15.1%), with rates of 14.3% (95% CI: 11.9 - 15.1%) in European populations, 6.5% (95% CI: 4.0 - 9.5%) in Asian populations, and 13.4% (95% CI: 9.5 - 17.8%) in North America. Identified risk factors for the development of uveitis included early age at JIA onset, ANA-positive, and increased ESR. CONCLUSION: The notable prevalence of uveitis in JIA demands clinical vigilance. Our study findings highlight that age, ANA status, and ESR correlate with risk of complicated uveitis. Future research endeavors could focus on constructing a concise risk assessment tool incorporating more potent independent factors. Such a tool would enhance screening efficacy within this demographic, facilitating tailored preventive strategies.
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 | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,043 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».