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. Redis如何模糊匹配Key值

    Redis模糊匹配Key值 使用Redis的scan代替Keys指令: public Set<String> scan(String matchKey) { Set<String&g ...

  2. 基于EasyCode定制Mybatisplus全自动单表实现:新增/批量新增/修改/批量删除/分页查询/ID查询

    基于EasyCode定制Mybatisplus全自动单表实现CRUD接口 分页查询 ID查询 新增 批量新增 修改 批量删除 注意使用了MybatisPlus的自动填充功能,和insertBatchS ...

  3. NavigationDuplicated Navigating to current location (“/XXX”) is not allowed

    导航不允许导航到当前位置https://stackoverflow.com/questions/57837758/navigationduplicated-navigating-to-current- ...

  4. week_2

    Andrew Ng 机器学习笔记 ---by OrangeStar Week_2 1.Multiple Features 更有效的线性回归形式 此时,h函数已经不是二阶了. \[ X = \begin ...

  5. JavaScript:函数:函数的参数

    声明函数的时候,有个括号,这里面可以加上函数的参数,这些参数,我们叫做形参(形式参数): 此时这些参数,也是已经声明了的变量,只是还没有赋值而已. 也可以不加,取决于函数的逻辑.如果函数需要从外部传进 ...

  6. [python] CairoSVG使用教程

    1 CairoSVG介绍 代码下载地址 CairoSVG是一个将SVG1.1转为PNG,PDF, PS格式的转化.SVG算目前火热的图像文件格式了,它的英文全称为Scalable Vector Gra ...

  7. [机器学习] Yellowbrick使用笔记5-回归可视化

    回归模型试图预测连续空间中的目标.回归计分可视化工具显示模型空间中的实例,以便更好地理解模型是如何进行预测的.代码下载 Yellowbrick已经实施了三种回归评估: 残差图Residuals Plo ...

  8. 数据库日志——binlog、redo log、undo log扫盲

    日志是数据库中比较重要的组成部分,很多核心的功能必须依靠日志才能完成. 该篇文章简要介绍了binlog.redo log与undo log,能够在一定程度上拓宽对mysql日志的整体认识. binlo ...

  9. python31 网络并发编程方法

    同步与异步 用来表达任务的提交方式 同步 提交完任务之后原地等待任务的返回结果 期间不做任何事 异步 提交完任务之后不原地等待任务的返回结果 直接去做其他事 有结果自动通知 阻塞与非阻塞 用来表达任务 ...

  10. 面对集中式缓存实现上的挑战,Redis交出的是何种答卷?聊聊Redis在分布式方面的能力设计

    大家好,又见面了. 本文是笔者作为掘金技术社区签约作者的身份输出的缓存专栏系列内容,将会通过系列专题,讲清楚缓存的方方面面.如果感兴趣,欢迎关注以获取后续更新. 在本专栏前面的文章中,我们介绍了各种本 ...