Professional Insights from a Pioneer in Autoimmune Disease Testing: The Future of Antinuclear/Anticellular Antibody Testing
Notice bibliographique
Résumé
Almost half a century has lapsed since I embarked on a career-long study of systemic autoimmune rheumatic diseases (SARDs)2 with a focus on their autoantibodies directed against an astounding spectrum of cellular antigens (1). The discovery of the lupus erythematosus cell and the development of the lupus erythematosus cell test serves as a historic reference point for the study of antinuclear antibodies (ANAs), or what today international consensus advocated should more correctly be referred to as anticellular antibodies (ACAs) (2, 3). Paralleling the explosion of the spectrum of ACAs was a remarkable transition in the technologies used to detect autoantibodies (1). Although some of the “octogenarian” assays such as double immunodiffusion, hemagglutination, complement fixation, and counterimmunoelectrophoresis are fading into oblivion, the ACA indirect immunofluorescence (IIF) test is increasingly used as a screening test and entry criterion for SARD. However, the emergence of newer multianalyte array technologies that have higher throughput, sensitivity, and specificity and detect a broader range of autoantibodies in comparatively miniscule serum samples may eventually replace the ACA …
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».