Autoimmune diseases and cancers overlapping with myelin oligodendrocyte glycoprotein antibody-associated disease (MOGAD): A systematic review
Notice bibliographique
Résumé
Background: Myelin oligodendrocyte glycoprotein antibody-associated disease (MOGAD) has various similarities with AQP4-IgG-seropositive Neuromyelitis Optica Spectrum Disorder (AQP4-IgG + NMOSD) in terms of clinical presentations, magnetic resonance imaging (MRI) findings, and response to treatment. But unlike AQP4-IgG + NMOSD, which is known to coexist with various autoimmune diseases and cancers, an association of MOGAD with these conditions is less clear. Methods: We conducted a systematic search in PubMed, Scopus, Web of Science, and Embase based on the preferred reporting items for systematic reviews and meta-analysis (PRISMA). Duplicates were removed using Mendeley 1.19.8 (USA production) and the citations were uploaded into Covidence systematic review platform for screening. Results: The most common autoimmune disease overlapping with MOGAD was anti-N-Methyl-D-Aspartate receptor encephalitis (anti-NMDAR-EN), followed by autoimmune thyroid disorders, and the most common autoantibody was antinuclear antibody (ANA), followed by AQP4-IgG (double-positive MOG-IgG and AQP4-IgG). A few sporadic cases of cancers and MOG-IgG-associated paraneoplastic encephalomyelitis were found. Conclusion: Unlike AQP4-IgG + NMOSD, MOGAD lacks clustering of autoimmune diseases and autoantibodies associated with systemic and organ-specific autoimmunity. Other than anti-NMDAR-EN and perhaps AQP4-IgG + NMOSD, the evidence thus far does not support the need for routine screening of overlapping autoimmunity and neoplasms in patients with MOGAD.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».