Anti-U11/U12 Antibodies as a Rare but Important Biomarker in Patients with Systemic Sclerosis: A Narrative Review
Notice bibliographique
Résumé
Anti-nuclear (ANA) are present in approximately 90% of systemic sclerosis (SSc) patients and are key biomarkers in supporting the diagnosis and determining the prognosis of this disease. In addition to the classification criteria autoantibodies for SSc [i.e., anti-centromere, anti-topoisomerase I (Scl-70), anti-RNA polymerase III], other autoantibodies have been associated with important SSc phenotypes. Among them, anti-U11/U12 ribonucleoprotein (RNP) antibodies, also known as anti-RNPC-3, were first reported in a patient with SSc, but very little is known about their association and clinical utility. The U11/U12 RNP macromolecular complex consists of several proteins involved in alternative mRNA splicing. More recent studies demonstrated associations of anti-anti-U11/U12 antibodies with SSc and severe pulmonary fibrosis as well as with moderate to severe gastrointestinal dysmotility. Lastly, anti-U11/U12 autoantibodies have been strongly associated with malignancy in SSc patients. Here, we aimed to summarize the knowledge of anti-U11/U12/RNPC-3 antibodies in SSc, including their seroclinical associations in a narrative literature review.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 0,001 |
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.
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 ».