Retinal toxicity in a multinational inception cohort of patients with systemic lupus on hydroxychloroquine
Notice bibliographique
Résumé
Objective To evaluate hydroxychloroquine (HCQ)-related retinal toxicity in the Systemic Lupus International Collaborating Clinics (SLICC) inception cohort. Methods Data were collected at annual study visits between 1999 and 2019. We followed patients with incident SLE from first visit on HCQ (time zero) up to time of retinal toxicity (outcome), death, loss-to-follow-up or end of study. Potential retinal toxicity was identified from SLICC Damage Index scores; cases were confirmed with chart review. Using cumulative HCQ duration as the time axis, we constructed univariate Cox regression models to assess if covariates (ie, HCQ daily dose/kg, sex, race/ethnicity, age at SLE onset, education, body mass index, renal damage, chloroquine use) were associated with HCQ-related retinal toxicity. Results We studied 1460 patients (89% female, 52% white). Retinal toxicity was confirmed in 11 patients (incidence 1.0 per 1000 person-years, 0.8% overall). Average cumulative time on HCQ in those with retinal toxicity was 7.4 (SD 3.2) years; the first case was detected 4 years after HCQ initiation. Risk of retinal toxicity was numerically higher in older patients at SLE diagnosis (univariate HR 1.05, 95% CI 1.01 to 1.09). Conclusions This is the first assessment of HCQ and retinal disease in incident SLE. We did not see any cases of retinopathy within the first 4 years of HCQ. Cumulative HCQ may be associated with increased risk. Ophthalmology monitoring (and formal assessment of cases of potential toxicity, by a retinal specialist) remains important, especially in patients on HCQ for 10+ years, those needing higher doses and those of older age at SLE diagnosis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».