The association of serum anti-ribosomal P antibody with clinical and serological disorders in systemic lupus erythematosus: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Anti-ribosomal P (anti-P) antibody is a serological specific marker of systemic lupus erythematosus (SLE). The aim of this study is to investigate the association of this antibody with clinical and serological disorders in SLE. METHODS: All relevant literature was retrieved from PubMed, EMBASE, Web of Science and CNKI databases. The qualities of these studies were evaluated using a modified version of the Newcastle-Ottawa scale. The associations of anti-P antibody with clinical and serological disorders were determined by the pooled odds ratio (OR) and the confidence interval (CI) calculated using meta-analysis with the Mantel-Haenszel method. RESULTS: Sixteen cohort studies with 2355 patients were included in this study. Malar rash, oral ulcer and photosensitivity were strongly associated with serum anti-P antibody, with OR (95% CI) values of 2.05 (1.42-2.92), 1.49 (1.05-2.13) and 1.44 (1.08-1.91), respectively. Arthritis and renal involvement were not associated with anti-P antibody, whereas a high heterogeneity was observed due to ethnicity and publication bias, respectively. Neuropsychiatric SLE (NPSLE), hepatic involvement, anti-dsDNA, anti-Sm and anti-cardiolipin antibodies (aCL) were observed more frequently in anti-P positive patients than in negative patients. Studies on hepatic involvement showed a low precision with substantially broad CI (2.56-11.2). A high heterogeneity presented among studies on NPSLE, anti-Sm and aCL. CONCLUSIONS: Anti-P antibody is significantly associated with malar rash, oral ulcer, photosensitivity and serum anti-dsDNA antibody, and potentially associated with NPSLE, hepatic damage, serum anti-Sm and aCL.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,020 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».