Recognising the spectrum of scleromyositis: HEp-2 ANA patterns allow identification of a novel clinical subset with anti-SMN autoantibodies
Notice bibliographique
Résumé
OBJECTIVE: To describe systemic sclerosis (SSc) with myopathy in patients without classic SSc-specific and SSc-overlap autoantibodies (aAbs), referred to as seronegative scleromyositis. METHODS: Twenty patients with seronegative scleromyositis diagnosed by expert opinion were analysed retrospectively for SSc features at myositis diagnosis and follow-up, and stratified based on HEp-2 nuclear patterns by indirect immunofluorescence (IIF) according to International Consensus of Autoantibody Patterns. Specificities were analysed by protein A-assisted immunoprecipitation. Myopathy was considered an organ involvement of SSc. RESULTS: SSc sine scleroderma was a frequent presentation (45%) at myositis diagnosis. Myositis was the most common first non-Raynaud manifestation of SSc (55%). Lower oesophagal dysmotility was present in 10 of 11 (91%) investigated patients. At follow-up, 80% of the patients met the American College of Rheumatology/EULAR SSc classification criteria. Two-thirds of patients had a positive HEp-2 IIF nuclear pattern (all with titers ≥1/320), defining three novel scleromyositis subsets. First, antinuclear antibody (ANA)-negative scleromyositis was associated with interstitial lung disease (ILD) and renal crisis. Second, a speckled pattern uncovered multiple rare SSc-specific aAbs. Third, the nuclear dots pattern was associated with aAbs to survival of motor neuron (SMN) complex and a novel scleromyositis subset characteriszed by calcinosis but infrequent ILD and renal crisis. CONCLUSIONS: SSc skin involvement is often absent in early seronegative scleromyositis. ANA positivity, Raynaud phenomenon, SSc-type capillaroscopy and/or lower oesophagal dysmotility may be clues for scleromyositis. Using HEp-2 IIF patterns, three novel clinicoserological subsets of scleromyositis emerged, notably (1) ANA-negative, (2) ANA-positive with a speckled pattern and (3) ANA-positive with nuclear dots and anti-SMN aAbs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 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 ».