Antibodies to RNA polymerase III in systemic sclerosis detected by ELISA.
Notice bibliographique
Résumé
OBJECTIVE: To determine serological and clinical variables associated with anti-RNA polymerase III (RNAP-III) antibodies in patients with systemic sclerosis (SSc) using a new ELISA method. METHODS: Sera from 242 patients with SSc were collected from 14 Canadian clinics. Control sera were from 287 blood donors, and 42 patients with infectious disease, 30 with rheumatoid arthritis (RA), and 30 with systemic lupus erythematosus (SLE). Antibodies to RNAP-III were detected by an ELISA kit and antibodies to other cellular antigens were identified by indirect immunofluorescence (IIF) on HEp-2 cell substrate, line immunoassay, immunoprecipitation of recombinant protein, and addressable laser bead immunoassay (ALBIA). RESULTS: Anti-RNAP-III antibodies were detected in 47/242 (19.4%) SSc sera, 0% RA and SLE sera, 1/287 blood donor sera, and 2/42 infectious disease sera. Diffuse disease (59.5%) was more common than limited disease (36.1%) in the anti-RNAP-III-positive patients (p = 0.006) and there was an association between the presence of anti-RNAP-III and kidney and joint/tendon involvement, but there was no association with a nucleolar IIF pattern, lung involvement, or other clinical indicators. There was a negative association between the presence of anti-RNAP-III antibodies and anticentromere by IIF (p = 0.00004) and anti-Scl-70 by ALBIA (p = 0.0005) and line immunoassay (p = 0.003), suggesting a virtually exclusive presence of these antibodies in SSc. CONCLUSION: Anti-RNAP-III autoantibodies were found in nearly 20% of SSc patients but in less than 1% of controls, thus detection of this antibody is a useful marker to help diagnose SSc. As well, this antibody has prognostic utility, since it is associated with scleroderma renal crisis and the diffuse cutaneous form of SSc.
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 | 0,000 | 0,001 |
| 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 ».