Heterogeneity of autoantibodies in 100 patients with autoimmune myositis: insights into clinical features and outcomes
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».