Clinical Phenotypes of Patients with Anti-DFS70/LEDGF Antibodies in a Routine ANA Referral Cohort
Notice bibliographique
Résumé
OBJECTIVE: To analyze the clinical value of anti-DFS70 antibodies in a cohort of patients undergoing routine antinuclear antibodies (ANAs) testing. METHODS: Sera with a dense fine speckled (DFS) indirect immunofluorescence (IIF) pattern from 100 consecutive patients and 100 patients with other IIF patterns were tested for anti-DFS70 antibodies by a novel chemiluminescence immunoassay (CIA) and for ANA by ANA Screen ELISA (both INOVA). RESULTS: Among the 100 patients with a DFS IIF pattern, 91% were anti-DFS70 positive by CIA compared to 3% in the comparator group (P < 0.0001). The CIA and IIF titers of anti-DFS antibodies were highly correlated (rho = 0.89). ANA by ELISA was positive in 35% of patients with the DFS IIF pattern as compared to 67% of patients with other patterns (P < 0.0001). Only 12.0% of patients with DFS pattern and 13.4% with DFS pattern and anti-DFS70 antibodies detected by CIA had systemic autoimmune rheumatic disease (SARD). Only 5/91 (5.5%) patients with anti-DFS70 antibodies had SARD and their sera were negative on the ANA Screen ELISA. CONCLUSION: Although anti-DFS70 antibodies cannot exclude the presence of SARD, the likelihood is significantly lower than in patients with other IIF patterns and should be included in test algorithms for ANA testing.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».