Comparison of fixed cell-based assay to radioimmunoprecipitation assay for acetylcholine receptor antibody detection in myasthenia gravis
Notice bibliographique
Résumé
OBJECTIVE: To compare specificity and sensitivity of a commercially available fixed cell-based assay (F-CBA) to radioimmunoprecipitation assay (RIPA) for acetylcholine receptor antibody (anti-AChR) detection in myasthenia gravis (MG). METHODS: In this retrospective diagnostic cohort study we reviewed the clinical information of suspected MG patients evaluated at the London Health Sciences Centre MG clinic who had anti-AChR RIPA and then F-CBA performed, in order to classify them as MG or non-MG. Classification of each patient as anti-AChR F-CBA-negative/positive, RIPA-negative/positive, and MG/non-MG permitted specificity and sensitivity calculations for each assay. RESULTS: Six-hundred-eighteen patients were included in study analysis. The median patient age at time of sample collection was 45.8 years (range: 7.5-87.5 years) and 312/618 (50.5%) were female. Of 618 patients, 395 (63.9%) were classified as MG. Specificity of both F-CBA and RIPA was excellent (99.6% vs. 100%, P > 0.99). One F-CBA-positive patient was classified as non-MG, although in retrospect ocular MG with functional overlay was challenging to exclude. Sensitivity of F-CBA was significantly higher than RIPA (76.7% vs. 72.7%, P = 0.002). Overall, 20/97 (21%) otherwise seronegative MG (SNMG) patients after RIPA evaluation had anti-AChR detected by F-CBA. CONCLUSIONS: In our study anti-AChR F-CBA and RIPA both had excellent specificity, while F-CBA had 4% higher sensitivity for MG and detected anti-AChR in 21% of SNMG patients. Our findings indicate that F-CBA is a viable alternative to RIPA for anti-AChR detection. Prospective studies comparing F-CBA, RIPA and L-CBA are needed to determine optimal anti-AChR testing algorithms in MG.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».