MRI Detection of Active Sacroiliitis in First Degree Relatives of Ankylosing Spondylitis Patients with Clinical and Laboratory Correlations
Notice bibliographique
Résumé
Abstract Background. Detection of ankylosing spondylitis (AS) in the preclinical stage could help prevent long term morbidity in this patients’ population. The aim of this study was to examine the prevalence of active sacroiliitis in first-degree relatives of AS patients using MRI with clinical and laboratory correlations as these patients may benefit from MRI screening and early treatment.Methods. Seventeen first-degree relatives of AS patients were recruited prospectively. AS screening questionnaires (Ankylosing Spondylitis Disease Activity Score, Bath Ankylosing Spondylitis Disease Activity Index & Visual Analogue Scale), blood tests (C-Reactive Protein, HLA-B27), and an MRI of the SIJs were taken. Two musculoskeletal radiologists interpreted the MRI scans, and two physiotherapists applied four symptom provocation tests (Gaenslen's test, posterior pelvic pain provocation test, Patrick's Faber (PF) test and palpation of the long dorsal SIJ ligament test), and two functional movement tests (active straight leg raise and Stork test). Results. Seven (41%) of the 17 participants demonstrated MRI evidence of active sacroiliitis. Of the 7 participants with active sacroiliitis, two (29%) had no history of recent low back pain (LBP), two (29%) had negative HLA-B27, and one (14%) participant had neither back pain nor positive HLA-B27. The Cohen's Kappa score for the interobserver agreement between the radiologists was 1.00 (p-value <0.0001). Despite fair to strong between therapist agreement for the physical test outcomes (Kappa 0.26 to 1.00), the physical test results per se did not have any predictive association with a positive MRI.Conclusions. MRI detected active sacroiliitis in 41% of first-degree relatives of AS patients. The lack of a history of prior LBP or positive HLA-B27 in active sacroiliitis participants might suggest that MRI screening for this high-risk population is warranted; however, further larger studies are needed to help elucidate its cost-effectiveness and long-term benefits.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».