MétaCan
Menu
Retour à la cohorte
Enregistrement W1964495124 · doi:10.1186/ar2276

Heterogeneity of autoantibodies in 100 patients with autoimmune myositis: insights into clinical features and outcomes

2007· article· en· W1964495124 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueArthritis Research & Therapy · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Myopathies and Dermatomyositis
Établissements canadiensUniversity of CalgaryUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesArthritis SocietyUniversity of CalgaryOffice of Research and DevelopmentCanadian Institutes of Health ResearchU.S. Department of Veterans Affairs
Mots-clésAutoantibodyRheumatologyMedicineMyositisInternal medicineAutoimmune diseaseImmunologyDiseaseAntibody

Résumé

récupéré en direct d'OpenAlex

The objective of this study was to determine the prevalence, mutual associations, clinical manifestations, and diagnoses associated with serum autoantibodies, as detected using recently available immunoassays, in patients with autoimmune myositis (AIM). Sera and clinical data were collected from 100 patients with AIM followed longitudinally. Sera were screened cross-sectionally for 21 autoantibodies by multiplex addressable laser bead immunoassay, line blot immunoassay, immunoprecipitation of in vitro translated recombinant protein, protein A assisted immunoprecipitation, and enzyme-linked immunosorbent assay. Diagnoses were determined using the Bohan and Peter classification as well as recently proposed classifications. Relationships between autoantibodies and clinical manifestations were analyzed by multiple logistic regression. One or more autoantibodies encompassing 19 specificities were present in 80% of the patients. The most common autoantibodies were anti-Ro52 (30% of patients), anti-Ku (23%), anti-synthetases (22%), anti-U1RNP (15%), and anti-fibrillarin (14%). In the presence of autoantibodies to Ku, synthetases, U1RNP, fibrillarin, PM-Scl, or scleroderma autoantigens, at least one more autoantibody was detected in the majority of sera and at least two more autoantibodies in over one-third of sera. The largest number of concurrent autoantibodies was six autoantibodies. Overall, 44 distinct combinations of autoantibodies were counted. Most autoantibodies were unrestricted to any AIM diagnostic category. Distinct clinical syndromes and therapeutic responses were associated with anti-Jo-1, anti-fibrillarin, anti-U1RNP, anti-Ro, anti-Ro52, and autoantibodies to scleroderma autoantigens. We conclude that a significant proportion of AIM patients are characterized by complex associations of autoantibodies. Certain myositis autoantibodies are markers for distinct overlap syndromes and predict therapeutic outcomes. The ultimate clinical features, disease course, and response to therapy in a given AIM patient may be linked to the particular set of associated autoantibodies. These results provide a rationale for patient profiling and its application to therapeutics, because it cannot be assumed that the B-cell response is the same even in the majority of patients in a given diagnostic category.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,377
Écart entre enseignants0,346 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle