Perinuclear antineutrophil cytoplasmic autoantibodies in dogs infected with various vector-borne pathogens and in dogs with immune-mediated hemolytic anemia
Notice bibliographique
Résumé
OBJECTIVE: To determine the prevalence of perinuclear antineutrophil cytoplasmic autoantibodies (pANCA) in dogs with confirmed or suspected immune-mediated hemolytic anemia (IMHA) or dogs infected with various vector-borne pathogens, including Rickettsia rickettsii, Bartonella henselae, Bartonella vinsonii subsp berkhoffii, Ehrlichia canis, Borrelia burgdorferi, and Leishmania infantum. ANIMALS: 55 dogs with confirmed or suspected IMHA, 140 dogs seroreactive for vector-borne pathogens, and 62 healthy dogs and dogs seronegative for vector-borne pathogens. PROCEDURES: Samples were allocated to subgroups on the basis of the health status of the dogs and the degree of seroreactivity against various vector-borne pathogens. Serum samples were tested retrospectively via indirect immunofluorescence assay to determine pANCA status. RESULTS: 26 of 55 (47%) dogs with confirmed or suspected IMHA and 67 of 140 (48%) dogs seroreactive for vector-borne pathogens had positive results when tested for pANCA. Serum samples with the highest antibody concentrations against L infantum antigen had the highest proportion (28/43 [65%]) that were positive for pANCA. One of 20 (5%) dogs seronegative for tick-borne pathogens and 8 of 22 (36%) dogs seronegative for L infantum had positive results for pANCA. One of 20 (5%) healthy dogs had serum antibodies against pANCA. CONCLUSIONS AND CLINICAL RELEVANCE: pANCA were detected in a high percentage of dogs with IMHA and vector-borne infectious diseases. Therefore, pANCA may be a relatively nonspecific marker for dogs with inflammatory bowel disease, although they could represent a biomarker for immune-mediated diseases and infections.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».