P.030 Antibody testing for autoimmune encephalitis: a multisite study examining clinical practices in a large Canadian city
Notice bibliographique
Résumé
Background: Antibody panels are one diagnostic tool within the comprehensive evaluation of suspected autoimmune encephalitis (AIE). Over-reliance on antibody panels contributes to misdiagnosis and inflated healthcare costs. Methods: Inpatients or outpatients who had AIE antibody testing ordered from one of four adult hospitals in Calgary between January 2018 – January 2020 were included. Medical records of 150 individuals were reviewed, including those with positive antibodies or testing sent to Mayo Clinic, plus a random sample. Results: AIE antibody panels were sent for 469 individuals during the 2-year period; 42 were positive (9.0%) of which 10 were pathogenic. Of 150 individuals included in chart review, 27 (18.0%) met criteria for possible AIE at presentation and 16 (10.8%) met criteria for definite AIE at final diagnosis. Overall, antibody testing was ordered in both serum and CSF in 36.3% (versus 69.2% meeting possible AIE criteria); MRI brain was performed in 92.7% (possible AIE 92.6%), EEG in 78.7% (possible AIE 100.0%), and lumbar puncture in 66.7% (possible AIE 96.3%). A sizable proportion did not receive malignancy screening (overall 48.7%; possible AIE 29.6%). Conclusions: Antibody panels are overemphasized in the assessment for AIE and often performed unnecessarily, while other recommended clinical tests are not consistently completed.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».