2025 American College of Rheumatology ( <scp>ACR</scp> ) Guideline for the Treatment of Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: To provide evidence-based and expert guidance for the treatment and management of non-renal systemic lupus erythematosus (SLE); treatment and management of lupus nephritis are addressed in a separate guideline. METHODS: Clinical questions for treatment and management of SLE were developed in the PICO format (population, intervention, comparator, and outcome). Systematic literature reviews were developed for each PICO question, and the Grading of Recommendations Assessment, Development, and Evaluation (GRADE) methodology was used to assess evidence quality and formulate recommendations. The Voting Panel achieved a consensus of ≥70% agreement on the direction (for or against) and strength (strong or conditional) of each recommendation. RESULTS: We present recommendations and ungraded, consensus-based good practice statements for the treatment and management of SLE that are applicable to pediatric and adult patients. Recommendations emphasize uniform treatment with hydroxychloroquine, limiting duration of glucocorticoid use, and early introduction of conventional and/or biologic immunosuppressive therapies to achieve and maintain control of SLE inflammation (remission or a low level of disease activity), reduce SLE-related morbidity and mortality, and minimize medication-related toxicities. CONCLUSION: This guideline presents direction regarding treatment and management of SLE and provides a foundation for well-informed, shared clinician-patient decision-making. These recommendations should not be used to limit or deny access to therapies, as treatment decisions may vary due to the unique clinical situation and personal preferences of each person with SLE.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».