Autoantibodies to Mi-2 alpha and Mi-2 beta in patients with idiopathic inflammatory myopathy
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to compare the results obtained from different assays for the detection of anti-Mi-2 antibodies, which are important markers in the diagnosis of DM. METHODS: The study included 82 patients (68 females/14 males), most of whom had DM (n = 57), followed by PM (n = 16) and juvenile DM (n = 9). All samples were tested using a novel particle-based multi-analyte technology (PMAT) (Inova Diagnostics, research use only) in parallel with a line immunoassay (LIA: Euroimmun). To assess clinical specificity for the PMAT assay, a total of 775 disease and healthy controls were tested. RESULTS: 29 samples were positive by at least one test for anti-Mi-2 antibodies. Of those, 24 were Mi-2β LIA+, five were Mi-2α LIA+ and 23 Mi-2 PMAT+. The comparison shows varying agreement between the different methods (kappa 0.27-0.77). When LIA results were used as reference for receiver operating characteristics analysis, high area under the curve values were found for both PMAT vs LIA Mi-2α and LIA Mi-2β. When analysing the results in the context of the myositis phenotype, PMAT associated closest with the DM phenotype. In the control group, 3/775 controls (all low levels) were anti-Mi-2+ resulting in a sensitivity and specificity of 28.1% and 99.6%, respectively. CONCLUSION: Overall, good agreement was found between LIA and PMAT for anti-Mi-2 antibodies, which is important for the standardization of autoantibodies. Anti-Mi-2β antibodies measured by PMAT tend be more highly associated with the clinical phenotype of DM.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».