Serum antibodies to phosphatidylcholine in MS
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the value of serum immunoglobulin G (IgG) and immunoglobulin M (IgM) antibodies reactive with phosphatidylcholine (PC) and lactosylceramide (LC) as biomarkers in MS. METHODS: We developed an ultrasensitive ELISA technique to analyze serum IgG and IgM antibodies to LC and PC, which we used to analyze samples from 362 patients with MS, 10 patients with non-MS myelin diseases (Non-MSMYDs), 11 patients with nonmyelin neurologic diseases (Non-MYNDs), and 80 controls. MS serum samples included clinically isolated syndrome (CIS, n = 17), relapsing-remitting MS (RRMS, n = 62), secondary progressive MS (SPMS, n = 50), primary progressive MS (PPMS, n = 37), and benign MS (BENMS, n = 36). RESULTS: We detected higher levels of serum IgM antibodies to PC (IgM-PC) in MS than control samples; patients with CIS and RRMS showed higher IgM-PC levels than patients with SPMS, PPMS, and BENMS and controls. MS and control samples did not differ in serum levels of IgM antibodies reactive with LC, nor in IgG antibodies reactive with LC or PC. CONCLUSIONS: Serum IgM-PC antibodies are elevated in patients with MS, particularly during the CIS and RRMS phases of the disease. Thus, serum IgM-PC is a candidate biomarker for early inflammatory stages of MS. CLASSIFICATION OF EVIDENCE: This study provides Class III evidence that serum antibodies to PC are elevated in patients with MS. The study is rated Class III because of the case control design and the risk of spectrum bias: antibody levels in patients with MS were compared with healthy controls.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 0,001 |
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 ».