MétaCan
Menu
Retour à la cohorte
Enregistrement W4280556272 · doi:10.3389/fneur.2022.912050

Testing for Antibodies Against Aquaporin-4 and Myelin Oligodendrocyte Glycoprotein in the Diagnosis of Patients With Suspected Autoimmune Myelopathy

2022· review· en· W4280556272 sur OpenAlexafffund
Samir Alkabie, Adrian Budhram

Notice bibliographique

RevueFrontiers in Neurology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensLondon Health Sciences CentreWestern University
Organismes subventionnairesLondon Health Sciences FoundationLondon Health Sciences Centre
Mots-clésMedicineMyelin oligodendrocyte glycoproteinMultiple sclerosisMyelopathyNeuromyelitis opticaImmunologyAntibodyAquaporin 4NeurologyCerebrospinal fluidOligodendrocyteMyelinExperimental autoimmune encephalomyelitisPathologySpinal cordInternal medicineCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Autoimmune myelopathies are immune-mediated disorders of the spinal cord that can cause significant neurologic disability. Discoveries of antibodies targeting aquaporin-4 (AQP4-IgG) and myelin oligodendrocyte glycoprotein (MOG-IgG) have facilitated the diagnosis of autoimmune myelopathies that were previously considered to be atypical presentations of multiple sclerosis (MS) or idiopathic, and represent major advancements in the field of autoimmune neurology. The detection of these antibodies can substantially impact patient diagnosis and management, and increasing awareness of this has led to a dramatic increase in testing for these antibodies among patients with suspected autoimmune myelopathy. In this review we discuss test methodologies used to detect these antibodies, the role of serum vs. cerebrospinal fluid testing, and the value of antibody titers when interpreting results, with the aim of helping laboratorians and clinicians navigate this testing when ordered as part of the diagnostic evaluation for suspected autoimmune myelopathy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,312
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207