Anti-SMN autoantibodies in mixed connective tissue disease are associated with a severe systemic sclerosis phenotype
Notice bibliographique
Résumé
OBJECTIVES: The survival of motor neuron (SMN) complex has an essential role in the assembly of small nuclear ribonucleoproteins (RNP). Recent reports have described autoantibodies (aAbs) to the SMN complex as novel biomarkers in anti-U1RNP+ myositis patients. The aim of this study was to compare phenotypic features of anti-U1RNP+ mixed connective tissue disease (MCTD) patients with and without anti-SMN aAbs. METHODS: A retrospective MCTD cohort was studied. Addressable laser bead immunoassay was used to detect specific anti-SMN aAbs with <300 mean fluorescence intensity (MFI) as normal reference range, 300-999 MFI as low-titre and ≥1000 MFI as high-titre positivity. Comparison of clinical features between anti-SMN+ and anti-SMN- subgroups used two-tailed Fisher's exact test, and logistic regression analyses. RESULTS: Sixty-six patients were included. Median age at MCTD diagnosis was 40.6 years, and duration of follow-up was 12 years. Based on the highest available titre, 39 (59%) were anti-SMN+: 10 (26%) had low titre and 29 (74%) had high titre. Anti-SMN+ patients had a higher frequency of fingertip pitting scars (anti-SMN+ 23% vs anti-SMN- 4%, p=0.04), lower gastrointestinal (GI) involvement (26% vs 4%, p=0.04), and myocarditis (16% vs 0%, p=0.04). The combined outcome of pitting scars and/or lower GI involvement and/or myositis and/or myocarditis was highest among high-titre anti-SMN+ patients: adjusted OR 7.79 (2.33 to 30.45, p=0.002). CONCLUSIONS: Anti-SMN aAbs were present in 59% of our MCTD cohort. Their presence, especially at high-titres, was associated with a severe systemic sclerosis (scleroderma) phenotype including myositis, myocarditis and lower GI involvement.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».