HLA markers for susceptibility and expression in scleroderma.
Notice bibliographique
Résumé
OBJECTIVE: Reported associations between HLA alleles and both susceptibility to and features of scleroderma have been conflicting. Our objective was (1) to determine the role of HLA alleles in the susceptibility to scleroderma; and (2) to determine the role of HLA alleles in various aspects of disease expression. METHODS: Consecutive patients were followed in the scleroderma clinic between 1996 and 1998. Clinical data were obtained through chart review. Healthy volunteers as well as cadaveric donors served as controls. Molecular HLA typing was performed (polymerase chain reaction/sequence-specific oligonucleotides). Statistical analysis included Fisher's exact test and multivariate analyses, using logistic and linear regression models. RESULTS: Ninety-five Caucasian patients (75 women, 20 men, age 43.9 yrs, disease duration 11.9 yrs) with scleroderma and 416 controls were studied. HLA-DRB1*01 and HLA-DRB1*11 were associated with susceptibility to scleroderma, whereas HLA-DRB1*07 was protective. HLA-A*30 and HLA-A*32 were also associated with susceptibility to scleroderma, while HLA-B*57 and HLA-Cw*14 were protective. HLA-B*62 and HLA-DRB1*07 had a significant correlation with the presence of diffuse skin involvement in both univariate and multivariate analyses. HLA-DRB1*11 was associated with high skin score values, while lower values were related to the presence of HLA-Cw*14 and HLA-DQB1*06. Both alleles retained significance in a linear regression model. High skin score values were related to the absence of anticentromere antibodies. Pulmonary fibrosis was associated with HLA-B*62 and HLA-Cw*0602, whereas pulmonary hypertension was associated with HLA-B*13 and HLA-B*65. CONCLUSION: HLA alleles play a role in susceptibility to scleroderma and its disease expression.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».