MétaCan
Menu
Retour à la cohorte
Enregistrement W3132418936 · doi:10.1007/s12026-021-09197-1

Evaluation of a novel particle-based multi-analyte technology for the detection of anti-fibrillarin antibodies

2021· article· en· W3132418936 sur OpenAlexaff
Michael Mähler, Kim Grace, Fabrece Roup, Chelsea Bentow, Nicole Fabien, David Gonçalves, Boaz Palterer, Marvin J. Fritzler, Danilo Villalta

Notice bibliographique

RevueImmunologic Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFibrillarinAutoantibodyAntibodySerologyImmunologyImmunoassayRheumatoid arthritisMedicineImmunofluorescenceBiology

Résumé

récupéré en direct d'OpenAlex

Systemic sclerosis (SSc) is a heterogeneous autoimmune disease associated with several anti-nuclear antibodies (ANA), including those in the classification criteria (anti-centromere, anti-topoisomerase I (Scl-70), anti-RNA Pol III). However, the presence of less common antibodies such as anti-fibrillarin (U3-RNP) that generate a clumpy nucleolar pattern by HEp-2 indirect immunofluorescence assay (IFA, ICAP AC-9) are considered disease specific and are with clinical subsets of SSc, therefore playing a role in diagnosis and prognosis. A specific and sensitive anti-fibrillarin assay would be an important addition to serological diagnosis and evaluation of SSc. The goal of this study was to evaluate a new particle-based multi-analyte technology (PMAT) for the measurement of anti-fibrillarin antibodies. A total of 149 patient samples were collected including 47 samples from France (Lyon and Paris, n = 32) and Italy (Careggi Hospital, Florence, n = 15) selected based on AC-9 HEp-2 IFA staining (> 1:640, clumpy nucleolar pattern) and 102 non-SSc controls (inflammatory bowel disease (IBD) n = 20, Sjögren's syndrome (SjS) n = 20, infectious disease (ID) n = 7, systemic lupus erythematosus (SLE) n = 17, rheumatoid arthritis (RA) n = 17, and healthy individuals (HI) n = 21). All samples were tested on the anti-fibrillarin PMAT assay (research use only, Inova Diagnostics, USA). Additionally, the 47 anti-fibrillarin positive samples were also tested on PMAT assays for detecting other autoantibodies in ANA-associated rheumatic diseases (AARD). Anti-fibrillarin antibody data performed by fluorescence enzyme immunoassay (FEIA, Thermo Fisher, Germany) was available for 34 samples. The anti-fibrillarin PMAT assay was positive in 31/32 (96.9%, France) and 12/15 (80.0%, Italy) of samples preselected based on the AC-9 IIF pattern (difference p = 0.09). Collectively, the PMAT assay showed 91.5% (95% confidence interval (CI): 80.1-96.6%) sensitivity with 100.0% (95% CI: 96.4-100.0%) specificity in non-SSc controls. Strong agreement was found between PMAT and FEIA with 100.0% positive qualitative agreement (34/34) and quantitative agreement (Spearman's rho = 0.89, 95% CI: 0.77.9-0.95%, p < 0.0001). Although most anti-fibrillarin positive samples were mono-specific (69.8%), some expressed additional antibodies (namely Scl-70, centromere, dsDNA, Ro52, Ro60, SS-B, Ribo-P, DFS70, and EJ). In conclusion, this first study on anti-fibrillarin antibodies measured using a novel PMAT assay shows promising results where the new PMAT assay had high level of agreement to FEIA for the detection of anti-fibrillarin antibodies. The availability of novel AFA assays such as PMAT might facilitate the clinical deployment, additional studies, standardization efforts, and potentially consideration of AFA for next generations of the classification criteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,328
Tête enseignante GPT0,458
Écart entre enseignants0,130 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImmunologic ResearchMême sujetSystemic Sclerosis and Related DiseasesTravaux en français237 207