Thymic Lesions in Myasthenia Gravis: A Clinicopathological Study from India
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Thymic pathology is common in Myasthenia Gravis(MG) and plays a crucial role in its pathogenesis and clinical outcome. This study aims to discuss the clinicohistopathological spectrum of thymic lesions in MG. METHODS: In this retrospective study, MG patients who underwent thymectomy from 2011 to 2020 were included. Clinical, radiological, serological, and histopathological details are described. RESULTS: Of 83 patients(F = 45; M = 38), 7(8%) had ocular myasthenia, and the remaining 76(92%) had the generalized form. At onset, the median age was 36 years(M = 44; F = 31). AChR antibody was positive in 71/79 patients. RNST showed decrement response in 68/78 patients. The histopathological study demonstrated thymoma in 44(53%), thymic hyperplasias [32(38%)], involuted thymus [5(6%)], thymic cyst (1) and thymic lipoma (1). WHO grading of thymoma: B2- 48%, AB-18%, B-18%, B3-14%, A-2.3%. In these, capsular infiltration was noted in 11/44, 9 had focal and 2 had diffuse infiltration. Active germinal centers were present in 20/32 patients with thymic hyperplasia and 4/44 with thymoma. Thymomas were predominant in males and thymic hyperplasia in females. The age of onset and antibody positivity rate was higher in thymoma patients. CONCLUSION: In our cohort, there is a female preponderance. Thymoma was the commonest pathology followed by hyperplasia. We observed earlier onset of myasthenia in females. AChR antibody positivity rate was more frequent in thymomas. This study indicates that clinico-radiological evaluation adequately supported by serology and histopathology can effectively recognize the type of thymic pathology that can guide these patients' treatment planning, management, prognosis and follow-up.
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) | 0,001 | 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 | 0,001 |
| 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 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 ».