Anti-transcription intermediary factor 1-gamma IgG2 isotype is associated with cancer in adult dermatomyositis: an ENMC multinational study
Notice bibliographique
Résumé
OBJECTIVE: To assess the role of the anti-TIF1γ auto-antibody (aAb) IgG2 isotype as a biomarker of cancer in anti-TIF1γ aAb-positive adult DM. METHODS: International multicentre retrospective study with the following inclusion criteria: (i) diagnosis of DM according to ENMC criteria; (ii) presence of anti-TIF1γ IgG aAb determined using an in-house addressable laser bead immunoassay (ALBIA) from cryopreserved serums sampled at time of DM diagnosis and (iii) available baseline characteristics and follow-up data until the occurrence of cancer and/or a minimum follow-up of 1 year for patients without known cancer at diagnosis. Detection and quantification of anti-TIF1γ IgG2 aAb was done using the in-house ALBIA. In addition, a recent ELISA commercial kit was used for anti-TIF1γ IgG aAb quantification. RESULTS: A total of 132 patients (mean age 55±15 years) of whom 72 (54.5%) had an associated cancer were analysed. The association between the presence of cancer and the presence of anti-TIF1γ IgG2 aAb was statistically significant (P = 0.026), with an OR of 2.26 (95% CI: 1.10, 4.76). Patients with cancer displayed significantly higher anti-TIF1γ IgG2 aAb ALBIA values with a median value of 1.15 AU/ml (IQR: 0.14-9.76) compared with 0.50 AU/ml (IQR: 0.14-1.46) for patients without cancer (P = 0.042). In addition, patients with cancer displayed significantly higher anti-TIF1γ IgG aAb ELISA values with a median value of 127.5 AU/ml (IQR: 81.5-139.6) compared with 93.0 AU/ml (IQR: 54.0-132.9) for patients without cancer (P = 0.004). CONCLUSION: These results suggest considering anti-TIF1γ IgG2 ALBIA and IgG ELISA values as biomarkers of cancer in anti-TIF1 γ aAb-positive adult DM.
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 | 0,001 |
| 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 ».