IgG4:IgG RNA ratio differentiates active disease from remission in granulomatosis with polyangiitis: a new disease activity marker? A cross-sectional and longitudinal study
Notice bibliographique
Résumé
OBJECTIVES: ) B cells and plasma cells are implicated in the pathogenesis of GPA. We hypothesized that the presence of these cells in peripheral blood could serve as disease activity parameter in GPA. METHODS: We included 35 proteinase 3-antineutrophil cytoplasmic antibodies-positive patients with GPA in a cross-sectional study. Active disease was defined as Birmingham Vasculitis Activity Score (BVAS) ≥ 3 (n = 15), remission as BVAS of 0 (n = 17), and low disease activity (LDA) as BVAS of 1-2 and clinical remission (n = 3). Healthy subjects (n = 10), patients with systemic lupus erythematosus (n = 24), and patients with rheumatoid arthritis (n = 19) functioned as control subjects. An additional longitudinal study was performed in ten patients with GPA. Using a validated qPCR test, we measured the IgG4:IgG RNA ratio in all groups and compared the results with known biomarkers. RESULTS: The median qPCR score was higher in active GPA (21.4; IQR 12.1-29.6) than in remission/LDA (3.3; IQR 1.6-5.6) (Mann-Whitney U test, p < 0.0001) and outperformed other known disease activity parameters in detecting activity. A cutoff qPCR score of 11.2% differentiated active disease from remission/LDA accurately (AUC 0.993). The qPCR test correlated well with the BVAS (Spearman r = 0.77, p < 0.0001). In the longitudinal study, a decrease in BVAS correlated with qPCR score reduction (paired t test, p < 0.05). CONCLUSIONS: The IgG4:IgG RNA ratio in GPA accurately distinguishes active disease from remission and correlates well with disease activity in these single-center studies. If these results are confirmed in larger longitudinal studies, this test might help to steer treatment decisions in patients with GPA.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».