Clinical Correlates of CENP-A and CENP-B Antibodies in a Large Cohort of Patients with Systemic Sclerosis
Notice bibliographique
Résumé
OBJECTIVE: To study the clinical phenotypes of centromeric proteins (CENP)-A- and CENP-B-positive patients with systemic sclerosis (SSc) and to compare them to anticentromere antibody (ACA)-positive and negative SSc patients. METHODS: Sera samples were collected from 802 patients with SSc enrolled in a multicenter cohort study. Antibodies to CENP-A and B were detected by ELISA, and ACA by indirect immunofluorescence. Associations with clinical and other serological manifestations of SSc were investigated. RESULTS: CENP-A antibodies were detected in 276 (34%), CENP-B in 286 (36%), and ACA in 279 (35%) patients. Patients having ACA, CENP-A, and/or CENP-B resembled each other and differed from the remainder of the cohort in the following respects: older chronologically and at disease onset; more commonly women; more likely to have limited disease and lower skin scores; less likely to have finger ulcers, digital tuft resorption, or finger contractures; more likely to have pulmonary hypertension; less likely to have interstitial lung disease, scleroderma renal crisis, inflammatory arthritis, and inflammatory myositis; and having lower overall disease severity. CENP-A and/or B status was predictive of the extent of skin involvement over time. Patients with limited disease who were CENP-A-negative at baseline were more likely to progress to diffuse disease compared to CENP-A-positive patients (OR 2.55, 95% CI 1.37, 4.85, p = 0.004). CONCLUSION: Clinical immunology laboratories are increasingly using high-throughput ELISA tests for CENP antibodies, with or without ACA detected by indirect immunofluorescence. The phenotype of CENP-A and/or B-positive patients is generally similar to that associated with ACA.
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) | 0,001 | 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 ».