Quantification of Antifibrillarin (anti-U3 RNP) Antibodies: A New Insight for Patients with Systemic Sclerosis
Notice bibliographique
Résumé
BACKGROUND: The detection of additional autoantibodies is of great concern in systemic sclerosis (SSc) when those included in the ACR/EULAR classification are negative. In this context, the interest of antifibrillarin (anti-U3RNP) autoantibodies (AFAs) in the routine evaluation of SSc remains unclear. We aimed to assess the relevance of AFAs and their clinical association in SSc patients. METHODS: = 83) were considered as a control group. AFAs were detected by indirect immunofluorescence (IIF) using HEp-2 cells, EliA or immunoblot techniques. RESULTS: We confirmed a typical nuclear IIF pattern and showed that AFAs are mostly exclusive towards SSc conventional autoantibodies. Although also observed in non-SSc patients, high levels of AFAs with the ELiA technique allowed the diagnosis of SSc. Compared to AFA-negative SSc patients, AFA-positive SSc patients more frequently exhibited visceral involvements. They more frequently suffered from the diffuse cutaneous form and had a higher global severity of the disease. CONCLUSIONS: We demonstrate the usefulness of quantifying AFAs in the immunological exploration of SSc, especially when patients are seronegative for SSc conventional autoantibodies and display a typical IIF pattern. AFAs might constitute an interesting marker of SSc severity.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».