Does <i>MAP2</i> have a Role in Predicting the Development of Anti-NMDAR Encephalitis Associated with Benign Ovarian Teratoma? A Report of Six New Pediatric Cases
Notice bibliographique
Résumé
Anti-N-methyl-d-aspartate receptor (anti-NMDAR) encephalitis is a potentially fatal neurologic syndrome in which patients present with a spectrum of central nervous system deficits. Sixty percent of the cases can be attributed to the presence of tumors, most often ovarian teratomas. This report examines 6 pediatric patients who presented with neurologic deficits associated with the presence of such tumors. These cases illustrate a perplexing phenomenon, where benign teratomas could have a possible association with anti-NMDAR encephalitis. The purpose of this study was to compare the histology and immunohistochemistry of tumors associated with this syndrome to ovarian teratomas found in patients presenting with no neurologic symptoms. After obtaining institutional review board approval, 57 cases of ovarian teratomas were identified at our institution over 12 years. Six patients were identified with anti-NMDAR encephalitis. A panel of immunostains, including S100, GFAP, MAP2, and NeuN was applied to patients' tumor sections as well as the 6 controls from age-matched patients. No qualitative histologic or immunohistochemical differences were seen between the study cases and control group. Because no qualitative differences were identified between the study cases and the control group, testing of paired serum and cerebrospinal fluid remains the best method for diagnosis of anti-NMDAR encephalitis. Tumor banking with molecular analysis of ovarian teratomas, including whole-genome sequencing and comparative genomic hybridization between ovarian tissue saved from patients with and without anti-NMDAR encephalitis, is necessary to fully understand the etiopathogenesis of anti-NMDAR encephalitis.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».