Perinuclear Antineutrophil Cytoplasmic Autoantibodies and Anti-<i>Saccharomyces Cerevisiae</i>Antibodies as Serological Markers Are Not Specific in the Identification of Crohn’s Disease and Ulcerative Colitis
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the diagnostic accuracy of perinuclear antineutrophil cytoplasmic autoantibodies (pANCAs) and anti-Saccharomyces cerevisiae antibodies (ASCAs), as single agents and in combination, for the diagnosis of Crohn's disease (CD) and ulcerative colitis (UC), including in cases of indeterminate colitis (IC). METHODS: The sera from a total of 98 patients were studied: 77 with CD, 16 with UC and five with IC. The medical records of these patients were reviewed for disease diagnosis, demographic data, and patient symptoms and medications. ELISAs were utilized to detect the presence of ASCAs and deoxyribonuclease-sensitive pANCAs, and these results were then compared with the patients' clinical data. RESULTS: For UC, a positive pANCA test alone provided a sensitivity of 50% and a specificity of 82%. For CD, a positive ASCA test alone provided a sensitivity of 40% and a specificity of 100%. A combination of pANCA-positive and ASCA-negative results showed a sensitivity of 50% and specificity of 90% for the diagnosis of UC. Similarly, the combination of ASCA-positive and pANCA-negative results provided a sensitivity and specificity of 32% and 100% for the diagnosis of CD, respectively. Interestingly, 80% of IC patients showed serology results consistent with UC. CONCLUSIONS: Although this combination of serological markers provides a diagnostic tool with generally high specificities, the low sensitivities of these serological markers, most notably in terms of CD, preclude the possibility that they can replace the tools currently used for inflammatory bowel disease diagnosis and management. It is possible, however, that these serological markers may prove beneficial in the management of IC.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».