Neural Antibody Testing in Patients with Suspected Autoimmune Encephalitis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Autoimmunity is an increasingly recognized cause of encephalitis with a similar prevalence to that of infectious etiologies. Over the past decade there has been a rapidly expanding list of antibody biomarker discoveries that have aided in the identification and characterization of autoimmune encephalitis. As the number of antibody biomarkers transitioning from the research setting into clinical laboratories has accelerated, so has the demand and complexity of panel-based testing. Clinical laboratories are increasingly involved in discussions related to test utilization and providing guidance on which testing methodologies provide the best clinical performance. CONTENT: To ensure optimal clinical sensitivity and specificity, comprehensive panel-based reflexive testing based on the predominant neurological phenotypic presentation (e.g., encephalopathy) is ideal in the workup of cases of suspected autoimmune neurological disease. Predictive scores based on the clinical workup can aid in deciding when to order a test. Testing of both CSF and serum is recommended with few exceptions. Appropriate test ordering and interpretation requires an understanding of both testing methodologies and performance of antibody testing in different specimen types. SUMMARY: This review discusses important considerations in the design and selection of neural antibody testing methodologies and panels. Increased collaboration between pathologists, laboratorians, and neurologists will lead to improved utilization of complex autoimmune neurology antibody testing panels.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 | 0,002 |
| 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 découle