Caractéristiques des patients présentant une rechute majeure dans le cadre d’une artérite à cellules géantes : une étude cas-témoins multicentrique
Notice bibliographique
Résumé
Introduction L’artérite à cellules géantes (ACG) est une vascularite récidivante qui touche les artères de gros et moyen calibre. Les rechutes majeures (RM), définies comme des complications ischémiques ou une inflammation aortique [1] , surviennent dans 3 % des cas et peuvent avoir des conséquences graves. L’identification des facteurs prédictifs de RM est essentielle pour améliorer les stratégies thérapeutiques, mais reste difficile. L’objectif était d’identifier les facteurs prédictifs des RM chez les patients atteints d’ACG et de comparer les caractéristiques cliniques entre les différents phénotypes de RM. Matériels et méthodes Cette étude cas-témoins rétrospective multicentrique a inclus 258 patients atteints d’ACG diagnostiqués entre 1990 et 2021. Les cas ( n = 70) ont été définis comme des patients répondant aux critères EULAR pour l’ACG et présentant une RM ≥ 6 semaines après le diagnostic. Les témoins ( n = 188) étaient des patients atteints d’ACG sans RM. Les données cliniques, biologiques, d’imagerie et thérapeutiques ont été recueillies et analysées à l’aide d’une régression logistique univariée et multivariée. La RM a été classée en RM crânienne et RM des gros vaisseaux sur la base de critères cliniques et d’imagerie. Résultats Un âge plus jeune au moment du diagnostic était associé à un risque accru de RM (OR = 0,93 par tranche de 10 ans, IC à 95 % [0,87 ; 0,999]). Aucun autre facteur de risque cliniquement significatif n’a été identifié. Les patients atteints de RM crânienne étaient plus âgés et plus susceptibles de présenter des symptômes crâniens au diagnostic, tandis que ceux atteints de RM des gros vaisseaux étaient plus souvent des femmes et avaient tendance à présenter une aortite au moment du diagnostic. Ces résultats suggèrent des différences phénotypiques entre les sous-types de RM. Conclusion Aucun facteur cliniquement significatif n’était associé à la survenue de RM chez les patients atteints d’ACG dans cette étude. Cela souligne la difficulté à identifier des facteurs de risque de RM dans l’ACG, en partie en raison de l’hétérogénéité de présentations et des limites des critères diagnostiques actuels. Des recherches futures utilisant des cohortes homogènes et des méthodes analytiques avancées sont nécessaires pour mieux comprendre la pathogenèse de la RM et améliorer les stratégies de prise en charge.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».