Antinuclear antibodies (ANA) as a criterion for classification and diagnosis of systemic autoimmune diseases
Notice bibliographique
Résumé
The classification and diagnosis of systemic autoimmune diseases are frequently based on a collection of criteria composed of clinical, laboratory, imaging, and pathology elements that are strongly associated with the respective disease. Autoantibodies are a distinctive hallmark and have a prominent position in the classification criteria of many autoimmune diseases. The indirect immunofluorescence assay on HEp-2 cells (HEp-2 IFA), historically known as the antinuclear antibody test, is a method capable of detecting a wide spectrum of autoantibodies. A positive HEp-2 IFA test is part of the classification criteria for systemic lupus erythematosus (SLE) and juvenile idiopathic arthritis (JIA), as well as the diagnostic criteria for autoimmune hepatitis (AIH) and primary biliary cholangitis (PBC). A positive HEp-2 IFA test can appear as different morphological patterns that are indicative of the most probable autoantibody specificities in the sample. Only some of the HEp-2 IFA patterns are associated with the specific autoantibodies relevant to SLE, JIA, AIH, and PBC, whereas some other patterns occur mainly in non-related conditions and even in apparently healthy individuals. This paper provides a critical review on the subject and proposes that the classification and diagnostic criteria for SLE, JIA, AIH, and PBC could be improved by a modification on the HEp-2 IFA (ANA) criterion in that the staining patterns accepted for each of these diseases should be restricted according to the respective relevant autoantibody specificities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».