Different indirect immunofluorescence ANA substrate performance in a diagnostic setting of patients with SLE and related disorders: retrospective review and analysis
Notice bibliographique
Résumé
OBJECTIVE: Given the increasing relevance of the ANA assay to classification of SLE and the uncertainty and variation surrounding different ANA assay performance, we compared the human epithelial type 2 (HEp-2) to mouse liver (ML) substrate in our local cohort and provided a review of the evidence for their use in autoimmune rheumatic diseases (ARDs). METHODS: Electronic health record data (2003-2008) were used to identify patients who had concurrent HEp-2 and ML ANA, and a diagnosis of SLE or other ARDs. We determined the agreement between HEp-2 and ML ANA regarding positivity, titre and pattern, and their predictors. Sensitivity of HEp-2 ANA, ML ANA, repeating HEp-2 ANA, and combining HEp-2 and ML ANA assays was assessed. RESULTS: There were 961 patients with concurrent HEp-2 and ML ANA samples, including 418 SLEs. There was generally fair to moderate agreement in HEp-2 and ML ANA (kappa (κ)=0.35-0.79), titres (κ=0.34-0.79) and patterns (κ=0.35-0.93). In SLE, the presence of anti-dsDNA antibodies was predictive of ANA agreement between HEp-2 and ML ANA (adjusted OR 6.27, 95% CI 1.45 to 27.20, p=0.01). The ANA sensitivity for most ARDs was highest when the HEp-2 test was repeated, followed by when the HEp-2 and ML ANA were combined and when only the HEp-2 or ML ANAs were used. CONCLUSION: In keeping with prior studies, we demonstrated that there was fair to moderate agreement between HEp-2 and ML assays in the largest comparison of HEp-2 and ML as substrates for ANA testing in various ARDs. Furthermore, ANA sensitivity was higher when the HEp-2 assay was repeated rather than combining HEp-2 and ML.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».