Autoantibodies to Low-Density Lipoprotein Receptor-Related Protein 4 in Double Seronegative Myasthenia Gravis: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Myasthenia gravis (MG) is an autoimmune disorder of the neuromuscular junction in which a clinical diagnosis may be confirmed with serological testing. The most common autoantibodies used to support a diagnosis of MG are anti-acetylcholine receptor antibodies and anti-muscle-specific tyrosine kinase antibodies. In cases in which both of these autoantibodies are negative (termed double-seronegative [dSNMG]), other autoantibodies such as low-density lipoprotein receptor-related protein 4 (LRP4) may be used to aid in diagnosis. METHODS: We have undertaken a systematic literature review to identify studies that have assessed the frequency of anti-LRP4 antibodies in dSNMG patients and the characteristics of anti-LRP4+ dSNMG patients (epidemiology, clinical features, electromyographic findings, or management). PubMed, EMBASE, Medline, and Scopus were searched on January 14, 2017, using the medical subject headings "myasthenia gravis" and "low-density lipoprotein receptor-related protein 4" or "LRP4." RESULTS: The initial search identified 367 articles. Fourteen publications met the inclusion criteria. There were ten cross-sectional research studies, three were case series, and one was a case report. The majority of studies were limited by small sample sizes of LRP4+ dSNMG. There has been a wide range of frequencies of anti-LRP4 antibodies detected in different MG patient populations, some involving different laboratory techniques. CONCLUSIONS: LRP4+ dSNMG is more likely than LRP4- dSNMG to have a younger onset of disease and occur in females. LRP4+ dSNMG most often is mild in severity and often involves isolated ocular weakness. It typically responds well to pyridostigmine or prednisone.
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 | 0,011 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».