ASAS-CoMoSpA研究:
评价SpA不同分类标准的表现

EULAR2015; PresentID:
OP0037

THE PERFORMANCE OF
DIFFERENT CLASSIFICATION CRITERIA SETS FOR SPONDYLOARTHRITIS IN THE
ASAS-COMOSpA STUDY

P. Bakker1,*, A.
Moltó2, A. Etcheto3, R. van den
Berg1, F. van Gaalen1, F. van den
Bosch4, R. Landewé5, M. Dougados2,
D. van der Heijde1

1LUMC, Leiden,
Netherlands, 2René Descartes University,
3INSERM (U1153): Clinical Epidemiology and
Biostatistics, Paris, France, 4Ghent University
Hospital, Ghent, Belgium, 5AMC, Amsterdam,
Netherlands

Background:
Spondyloarthritis (SpA) includes patients with (predominantly)
axial spondyloarthritis (axSpA) and patients with (predominantly)
peripheral spondyloarthritis (pSpA) including psoriatic arthritis
(PsA). Over time, several classification criteria sets have been
developed to cover the whole spectrum of
SpA.

Objectives: To
compare the performance of different SpA classification criteria
sets in the ASAS-COMOSpA study.

Methods: The
ASAS-COMOSpA study is an international, cross-sectional study.
Patients clinically diagnosed with SpA by the rheumatologist were
included consecutively via routine care. For this analysis,
patients were classified according to the ESSG, AMOR, mESSG
(addition of MRI), mAMOR (addition of MRI), CASpAR and ASAS
criteria for axSpA and pSpA.

Results: From
5 continents, 22 participating countries included 3984 patients:
age 44 ± 14 years, 65% male gender, 56.2% HLA-B27+, psoriasis:
21.4%, uveitis: 19.6%, peripheral arthritis: 61.5%, mNY+ 64.4%,
sacroiliitis on MRI (ASAS definition): 33.6%, negative rheumatoid
factor (RF): 80.6%.  Patients with up to 6 missing
values were included (missing values set as absent); patients with
≥7 variables missing were left out of the analysis. Most common
missing variables: MRI of the sacroiliac joints (ASAS definition;
MRI-SI) (n=1951), juxta-articular bone formation (n=999), HLA-B27
(n=907), good response to NSAIDs (n=803), RF (n=613), radiographic
sacroiliitis (n=341). Patients were classified according to the
different classification criteria sets (table): data shown for all
patients (left) and for patients with complete data regarding
presence/absence of (radiographic/MRI) sacroiliitis and HLA-B27
(right). In addition, the overlap between the different
classification criteria sets was assessed for patients with back
pain and patients without back pain. The majority (of the patients)
was classified by AMOR & ESSG & ASAS axSpA-criteria
(n=1068). Most of the patients that were picked up by 1 criteria
set only were classified by the ASAS axSpA-criteria (n=141; n=27 by
AMOR and n=25 by ESSG). Similar trends were seen with regard to the
mESSG and mAMOR-criteria. Regarding the patients with no back pain
(peripheral complaints): again substantial overlap between the
criteria was seen (ASAS pSpA, AMOR, ESSG, CASpAR. Patients
fulfilling  the imaging arm of the ASAS
axSpA-criteria did not differ from patients fulfilling the clinical
arm regarding the presence of most of the SpA-features. However,
there were some notable differences: male gender (57.1% versus
62.8%), uveitis (13.3% versus 29.9%) and elevated CRP (52.0% versus
42.7%), imaging resp. clinical arm.

Conclusions:
In this worldwide ASAS-COMOSpA study including established patients
with SpA according to the rheumatologist, most patients fulfil
several classification criteria sets; the biggest overlap between
AMOR, ESSG and ASAS SpA. If patients fulfil only 1 criteria set
this is most frequently the ASAS axSpA-criteria. Patients
fulfilling the imaging arm or the clinical arm are comparable
regarding most disease
characteristics.

背景:
SpA包括中轴SpA(axSpA)和外周SpA(pSpA), 后者包括银屑病关节炎(PsA)。随着时间推移,
已开发了多种分类标准以涵盖SpA整个疾病谱。

目标:
在ASAS-COMOSpA研究中评价SpA不同分类标准的表现。

方法:
ASAS-COMOSpA研究是一项国际性的横断面研究。入组患者是由风湿病医师在常规诊疗中顺序收治并诊断为SpA的病人。本研究所要比较的分类标准包括ESSG、AMOR、mESSG(增加MRI条目)、mAMOR(增加MRI条目),
CASpAR和ASAS标准(axSpA和pSpA)。

结果:
五大洲22个国家共纳入3984例患者, 年龄44±14岁, 65%男性, 56.2% HLA-B27阳性, 银屑病21.4%,
葡萄膜炎19.6%, 外周关节炎61.5%, 符合mNY标准64.4%, MRI骶髂关节炎(ASAS定义)阳性33.6%,
RF阴性80.6%。缺失值≤6个的患者进入分析集(缺失值计做0), 有≥7个变量存在缺失值的患者不进入分析集。最常见缺失的变量:
MRI骶髂关节(ASAS定义, MRI-SI, n=1951), 关节旁骨形成(n=999), HLA-B27(n=907),
NSAIDs反应良好(n=803), RF(n=613), 放射学骶髂关节炎(n=341)。

根据不同的分类标准对患者进行分类(参见表), 表左侧是所有患者,
表右侧是所有能提供骶髂关节炎(放射学/MRI)和HLA-B27数据的患者。此外,
对有背痛和无背痛的患者分析不同分类标准的重叠情况。

大部分患者能够按照AMOR、ESSG和
ASAS-axSpA分类标准进行分类(n=1068,
参见图)。只能被某种分类标准所识别的患者中符合ASAS-axSpA标准的占了绝大多数(n=141;只符合AMOR或ESSG的分别有27例和25例)。换用mESSG和mAMOR标准也可见到这种趋势。在无背痛(但有外周关节受累)的患者中,
再次看到不同分类标准间的显著重叠(ASAS
pSpA、AMOR、ESSG和CASpAR)。就SpA提示体征而言,符合ASAS-axSpA影像支分类标准的患者与符合临床支标准的患者之间无明显差别。然而,
影像支和临床支患者也有一些显著差异: 男性比例(57.1% vs 62.8%), 葡萄膜炎发生率(13.3% vs 29.9%),
CRP升高(52.0% vs 42.7%)。

结论:
国际性ASAS-CoMoSpA研究纳入风湿病医生确诊的SpA患者,
大部分患者符合各种分类标准;AMOR、ESSG和ASAS-SpA分类标准具有最广泛的重叠。如果患者仅符合1种标准,
ASAS-axSpA标准是适用性最广泛的。影像支和临床支患者大多数疾病特征都具有可比性。

表.

图. [译注:
拍摄自会议现场]

ASAS-CoMoSpA研究: 评价SpA不同分类标准的表现的更多相关文章

  1. ACMG遗传变异分类标准与指南

    2015年,美国权威机构——美国医学遗传学与基因组学学会(ACMG)编写和发布了<ACMG遗传变异分类标准与指南>.为帮助我国医疗工作者和遗传咨询从业者更好地理解ACMG遗传变异分类标准. ...

  2. BUG严重等级分类标准

    1 编写目的 本文档是对独立测试阶段发现的缺陷(bug)按照严重等级进行分类,确保测试出的缺陷得到正确的理解,以方便缺陷的修改.回归测试工作可以顺利进行,同时也可以作为测试考核的依据. 2 适用范围 ...

  3. 学界 | 华为诺亚方舟实验室提出新型元学习法 Meta-SGD ,在回归与分类任务中表现超群

    学界 | 华为诺亚方舟实验室提出新型元学习法 Meta-SGD ,在回归与分类任务中表现超群 机器之心发表于机器之心订阅 499 广告关闭 11.11 智慧上云 云服务器企业新用户优先购,享双11同等 ...

  4. 目标检测的评价标准mAP, Precision, Recall, Accuracy

    目录 metrics 评价方法 TP , FP , TN , FN 概念 计算流程 Accuracy , Precision ,Recall Average Precision PR曲线 AP计算 A ...

  5. 基于3D NAND层差异的固态盘请求调度算法研究立项 报告

    Abstract SSD(Solid State Drive),因其超高的读写性能,以及价格的走低趋势逐渐占据市场,为人们带来更好的用户体验,也为企业级的高并行业务需要提供了一定支持,近几年来SSD的 ...

  6. TD-SCDMA风雨20年:中国3G标准的由来以及国家通信战略

    .国际电信标准是咋回事? 当年作为通信专业的学生,我曾长期困惑一个问题,为什么同一项通信技术总会有美国和欧洲两种国际标准?比如电话语音的数字化就有欧洲A律和美国u(谬)律两种. 学习后发现,两种标准的 ...

  7. 企业架构研究总结(36)——TOGAF企业连续体和工具之企业连续体构成及架构划分

    又回头看了之前文章的评论,本人也同样感慨这些文章的确像政治课本般的虚无缥缈,所以对费力看完却觉得无从下手的看官致以诚挚的歉意和理解,因为这个问题也同样困扰着笔者本人,而我能做的也只能是纸上谈兵.之前也 ...

  8. 机器学习之分类问题实战(基于UCI Bank Marketing Dataset)

    导读: 分类问题是机器学习应用中的常见问题,而二分类问题是其中的典型,例如垃圾邮件的识别.本文基于UCI机器学习数据库中的银行营销数据集,从对数据集进行探索,数据预处理和特征工程,到学习模型的评估与选 ...

  9. web标准 浏览器介绍 开发工具介绍 HTML介绍 HTML颜色介绍 规范 HTML结构详解 {前端之前端初识}

    前端之前端初识   前端初识 本节目录 一 web标准 二 浏览器介绍 三 开发工具介绍 四 HTML介绍 五 HTML颜色介绍 六 规范 七 HTML结构详解 一 web标准 web准备介绍: 1. ...

  10. 使用libsvm实现文本分类

    @Hcy(黄灿奕) 文本分类,首先它是分类问题,应该对应着分类过程的两个重要的步骤,一个是使用训练数据集训练分类器,另一个就是使用测试数据集来评价分类器的分类精度.然而,作为文本分类,它还具有文本这样 ...

随机推荐

  1. 数电第五周周结_by_yc

    数电第五周周结_by_yc 基本要点: 组合逻辑电路的行为特点.经典组合逻辑电路的设计.PPA优化 组合逻辑电路设计要点:   ①敏感变量列表应包含所有会影响输出的控制量:   ②条件语句的完全描述, ...

  2. Django基础笔记5(Session)

    Session cookie:保存在客户端浏览器上的键值对 session:保存在服务器端的数据       保持会话 def index(req): v = req.session.get('use ...

  3. USB限流,短路保护芯片IC

    USB口的输出电压一般是5V,在一些电源中,由于总电源5V是一个很大的总电源,再分别出很多路输出负载出来,例如5V10A,分成4个USB输出口,如果没加其他限流和保护的话,任意一个USB口的输出电流都 ...

  4. 12V转5V降压芯片,12V转3.3V稳压芯片电路图

    12V转5V应用中,大多要求会输出电流高的,稳压LDO就不能满足了,需要使用DC-DC降压芯片来持续稳压5V,输出电流1000MA,2000MA,3000MA,5000MA等.不同的输出电流可以选择适 ...

  5. CountDownLatch闭锁源码解析(基于jdk11)

    目录 CountDownLatch闭锁源码解析(基于jdk11) 1.1 CountDownLatch概述 1.2 CountDownLatch原理 1.2.1 基本结构(jdk11) 1.2.2 a ...

  6. O-MVLL代码混淆方式

    在介绍O-MVLL之前,首先介绍什么是代码混淆以及基于LLVM的代码混淆,O-MVLL项目正是基于此而开发来的. 有关O-MVLL的概括介绍以及安装和基本使用方式,可参见另一篇随笔 https://w ...

  7. UIAutomator测试框架介绍

    uiautomator简介 UiAutomator是Google提供的用来做安卓自动化测试的一个Java库,基于Accessibility服务.功能很强,可以对第三方App进行测试,获取屏幕上任意一个 ...

  8. Kubernetes(k8s)存储管理之数据卷volumes(一):volumes的引入和emptyDir数据卷

    目录 一.系统环境 二.前言 三.Docker数据卷volumes 四.Kubernetes 数据卷volumes 4.1 有状态容器和无状态容器 4.2 Kubernetes 数据卷volumes解 ...

  9. 【Java难点攻克】「NIO和内存映射性能提升系列」彻底透析NIO底层的内存映射机制原理与Direct Memory的关系

    NIO与内存映射文件 Java类库中的NIO包相对于IO包来说有一个新功能就是 [内存映射文件],在业务层面的日常开发过程中并不是经常会使用,但是一旦在处理大文件时是比较理想的提高效率的手段,之前已经 ...

  10. python-docx操作word文档详解

    案例 官网地址: https://python-docx.readthedocs.io/en/latest/ pip install python-docx from docx import Docu ...