Line blot immunoassays in idiopathic inflammatory myopathies: retrospective review of diagnostic accuracy and factors predicting true positive results
Notice bibliographique
Résumé
Abstract Background Line blot immunoassays (LIA) for myositis-specific (MSA) and myositis-associated (MAA) autoantibodies have become commercially available. In the largest study of this kind, we evaluated the clinical performance of a widely used LIA for MSAs and MAAs. Methods Adults tested for MSA/MAA by LIA at a tertiary myositis centre (January 2016–July 2018) were identified. According to expert-defined diagnoses, true and false positive rates were calculated for strongly and weakly positive autoantibody results within three cohorts: idiopathic inflammatory myopathy (IIM), connective tissue disease (CTD) without myositis, and non-CTD/IIM. Factors associated with true positivity were determined. Results We analysed 342 cases. 67 (19.6%) had IIM, in whom 71 autoantibodies were detected (50 strong positives [70.4%], 21 weak positives [29.6%]). Of the strong positives, 48/50 (96.0%; 19 MSAs, 29 MAAs) were deemed true positives. Of the weak positives, 15/21 (71.4%; 3 MSAs, 12 MAAs) were deemed true positives. In CTD without myositis cases (n = 120), 31/61 (51.0%; 5 MSAs, 26 MAAs) autoantibodies were strongly positive, with 24/31 (77.4%; 0 MSAs, 24 MAAs) true positives. 30/61 (49.2%; 13 MSAs, 17 MAAs) were weakly positive, with 16/30 (53.3%; 0 MSAs, 16 MAAs) true positives. In non-CTD/IIM cases (n = 155), all 24 MSAs and 22 MAAs were false positives; these results included 17 (37.0%; 7 MSAs, 10 MAAs) strong positives. Individual autoantibody specificities were > 98.2 and > 97.5% for weakly and strongly positive results, respectively. True positivity was associated with high pre-test for IIM (odds ratio 50.8, 95% CI 13.7–189.2, p < 0.001) and strong positive (versus weak positive) results (4.4, 2.3–8.3, p < 0.001). Conclusions We demonstrated the high specificity of a myositis LIA in a clinical setting. However, a significant burden of false positive results was evident in those with a low pre-test likelihood of IIM and for weakly positive autoantibodies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».