P.006 Neural antibody testing for autoimmune encephalitis: A Canadian single-centre experience
Notice bibliographique
Résumé
Background: We reviewed our autoimmune encephalitis neural antibody testing using brain tissue indirect immunofluorescence (TIIF) and cell-based assays (CBAs) after one year. Methods: Samples were tested from March 2019–March 2020 by TIIF and CBA for anti-NMDAR, LGI1, CASPR2, AMPAR, GABA(B)R, DPPX, IgLON5 and GAD65. Weakly positive or positive CBA, with or without corresponding TIIF positivity, was reported positive. Clinical questionnaires were submitted for clinical-serological correlation. Patients with a compatible clinical phenotype and no more likely alternative diagnosis were classified as true-positives, while all others were flagged as possible false-positives. Results: Twenty of 373 patients (5.4%) had a positive neural antibody. All anti-LGI1 (N=4), GAD65 (N=4), and GABA(B)R (N=1) were classified as true-positives. In contrast, only 3/6 anti-CASPR2 and 3/5 anti-NMDAR were classified as true-positives. Among true-positives, 2/4 anti-LGI and 3/3 anti-CASPR2 were positive by CBA only. All possible false-positive results exhibited only weak serum staining by CBA, with negative serum TIIF and negative CSF CBA/TIIF (if available). Conclusions: Clinical sensitivity of CBA seems higher than TIIF for neural antibodies studied herein, but may come at some expense to clinical specificity. Among patients with weak serum staining by CBA, correlation with serum TIIF, CSF CBA/TIIF, and clinical presentation is recommended.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».