MétaCan
Menu
Retour à la cohorte
Enregistrement W2805935532 · doi:10.3899/jrheum.170769

Lack of Association among Peptidyl Arginine Deiminase Type 4 Autoantibodies,<i>PADI4</i>Polymorphisms, and Clinical Characteristics in Rheumatoid Arthritis

2018· article· en· W2805935532 sur OpenAlexvenueno aff
Kari Guderud, Marthe T. Mæhlen, Gry Beate Namløs Nordang, Marte K. Viken, Bettina Kulle Andreassen, Øyvind Molberg, Siri T. Flåm, Benedicte A. Lie

Notice bibliographique

RevueThe Journal of Rheumatology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAutoantibodyRheumatoid arthritisImmunologyGenotypingCitrullinationSerologyAntibodyArthritisInternal medicineCitrullineGenotypeArginineGeneGeneticsBiology

Résumé

récupéré en direct d'OpenAlex

Objective. We aimed to jointly investigate the role of antipeptidyl arginine deiminase type 4 antibodies (anti-PAD4) and polymorphisms in thePADI4gene together with clinical variables in rheumatoid arthritis (RA). Methods. Serum IgG autoantibodies to human recombinant PAD4 were identified by DELFIA technique in 745 patients with RA (366 available from previous studies). Genotyping ofPADI4was performed using TaqMan assays in 945 patients and 1118 controls. Clinical data, anticitrullinated protein antibodies (ACPA) status, shared epitope status, and a combined genetic risk score were also available. Results. Anti-PAD4 antibodies were detected in 193 (26%) of 745 patients with RA; 149 (77%) of these were also ACPA-positive. No association was observed between anti-PAD4 status and clinical characteristics,PADI4polymorphisms, or genetic risk scores after stratification for ACPA status. Conclusion. Taken together, the results from these combined serological, genetic, and clinical analyses suggest that anti-PAD4 appears to be a bystander autoantibody with no current clinical utility in RA.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,346
Écart entre enseignants0,308 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207