Clinical characteristics and treatment outcomes in patients with <scp>double‐seronegative</scp> myasthenia gravis
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Double-seronegative myasthenia gravis (dSNMG) is defined as myasthenia gravis (MG) without detectable or low affinity antibodies to acetylcholine receptor (AChR) and muscle-specific kinase (MuSK). There are limited data on detailed clinical features and outcomes after treatment in dSNMG patients. The aim was to describe the clinical characteristics and outcomes in dSNMG patients based on MG scales. METHODS: A retrospective study was performed of patients diagnosed with MG who had negative AChR or MuSK antibodies and they were compared with an AChR-positive MG cohort. Correlations were made with data from the first and last clinic visits, between demographics, clinical characteristics, treatment and disease severity, based on the Myasthenia Gravis Foundation of America category, Myasthenia Gravis Impairment Index (MGII), Patient Acceptable Symptom State and simple single question (SSQ). RESULTS: Eighty patients met the inclusion criteria for dSNMG. The baseline MGII and SSQ scores in the dSNMG cohort showed no significant differences from the AChR group (p = 0.94 and p = 0.46). The dSNMG cohort MGII and SSQ scores improved significantly at the last clinical evaluation (p = 0.001 and p = 0.047). The MGII improvement in the AChR cohort was significantly better (p = 0.003). CONCLUSIONS: The initial severity of dSNMG based on clinical scores is similar to antibody-positive MG patients. There is significant clinical improvement in dSNMG patients after therapy, measured in the last clinical evaluation. This supports an immune pathophysiology of many dSNMG patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».