Disease activity trajectories in paediatric lupus and associations with socioeconomic factors and patient-reported pain
Notice bibliographique
Résumé
OBJECTIVE: Using data from participants with paediatric SLE (pSLE) in the Childhood Arthritis and Rheumatology Research Alliance Registry, we aimed to: (1) describe 2-year disease activity trajectories, measured by the SLE Disease Activity Index 2000 (SLEDAI 2K); (2) identify characteristics associated with each trajectory and (3) assess achievement of lupus low disease activity state (LLDAS) and associated baseline characteristics. METHODS: Participants were diagnosed with pSLE within 12 months of baseline visit. Baseline sociodemographic, clinical and treatment characteristics were included in latent trajectory analyses. Associations between patient characteristics with trajectory groups and LLDAS were analysed with multinomial generalised logistic regression modelling. RESULTS: 1002 patients were screened; 553 were included for SLEDAI 2K and 269 for LLDAS analyses. SLEDAI 2K trajectories included (T1) low and stable, (T2) high and decreasing, (T3) intermediate and stable. In multinomial generalised logistic regression, baseline SLEDAI 2K score and insurance type were significantly associated with trajectories. 51% (136/269) of patients achieved LLDAS at least once in 24 months as compared with 17% (47/269) at first assessment. LLDAS attainment at both time points was predicted by lower pain interference scores; LLDAS attainment over 24 months was also associated with baseline American College of Rheumatology classification criteria, rituximab use at baseline and highest completed level of parent/guardian education. CONCLUSIONS: Disease activity trajectories in a pSLE cohort were predicted by baseline SLEDAI 2K and insurance. Only half of the patients achieved LLDAS during the 2-year study period, which was predicted by baseline characteristics including pain interference. The relationship between disease activity and socioeconomic factors and pain warrants further investigation to identify modifiable factors to reduce pSLE disease activity.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».