Serological abnormalities that predict progression to systemic autoimmune rheumatic diseases in antinuclear antibody–positive individuals
Notice bibliographique
Résumé
OBJECTIVE: We investigated the autoantibody (autoAb) profiles in ANA+ individuals lacking systemic autoimmune rheumatic disease (SARD) and early SARD patients to determine the key differences between these groups and identify factors that are associated with an increased risk of symptomatic progression within the next 2 years in ANA+ individuals. METHODS: Using custom antigen (Ag) microarrays, 144 IgM and IgG autoAbs were surveyed in 84 asymptomatic and 123 symptomatic (48 UCTD and 75 SARD patients) ANA+ individuals. AutoAbs were compared in ANA+ individuals lacking a SARD diagnosis with ≥2 years follow-up (n = 52), including all those who demonstrated progression (n = 14) during this period, with changes over time assessed in a representative subset. RESULTS: We show that ANA+ individuals have autoAb to many self-Ags that are not being captured by current screening techniques and very high levels of these autoAbs are predominantly restricted to early SARD patients, with SLE patients displaying reactivity to many more autoAgs than the other groups. In general, the symptoms that developed in progressors mirrored those seen in SARD patients with similar patterns of autoAbs. Only anti-Ro52 Abs were found to predict progression (positive predictive value 46%, negative predictive value 89%). Surprisingly, over 2 years of follow-up the levels of autoAbs remained remarkably stable regardless of whether individuals progressed or not. CONCLUSION: Our findings strongly argue that development of assays with an expanded set of auto-Ags and enhanced dynamic range would improve the diagnostic and prognostic ability of autoAb testing.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| 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 ».