Progress in understanding the diagnostic and pathogenic role of autoantibodies associated with systemic sclerosis
Notice bibliographique
Résumé
PURPOSE OF REVIEW: At the time of diagnosis, systemic sclerosis (SSc) is often well established with significant irreversible tissue and organ damage. Definitions of 'early SSc' have been proposed, which include the presence of SSc-associated autoantibodies. In addition, functional autoantibodies that are believed to be involved in SSc pathogenesis need to be considered. In this review, recent advances in the diagnostic utility and pathogenic role of autoantibodies in early SSc are summarized. Moreover, we propose a clinical care pathway illustrating how autoantibody testing along with key clinical features can be used to make an earlier diagnosis of SSc. RECENT FINDINGS: Recent evidence has helped to develop a clearer understanding of the natural history, early clinical features, and autoantibodies that are predictors of SSc. The role of functional autoantibodies is leading to innovative approaches to evidence-based interventions and therapies that are based on mechanisms of disease. SUMMARY: Despite substantial advances, the high morbidity and mortality that currently characterizes SSc can largely be attributed to a delay in diagnosis, gaps in our understanding of the role of autoantibodies in early disease, and limited effective therapeutic options. An early and accurate diagnosis of SSc and use of autoantibody testing embedded in evidence-based clinical care pathways will help improve SSc-associated clinical outcomes and healthcare expenditures.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 ».