Seronegative Sjögren Syndrome: A Forgotten Entity?
Notice bibliographique
Résumé
As a highly varied disease, Sjögren syndrome (SS; also termed Sjögren disease ) is estimated to affect 0.01% to 0.72% of the population, with an overwhelming bias toward the female gender.1 SS causes a significant burden to the quality of life of patients and inhibits their function. Patients present with a spectrum of clinical manifestations from sicca (dryness) symptoms to potentially severe extraglandular and/or systemic features, such as inflammatory arthritis, interstitial lung disease, neurological dysfunction, cryoglobulinemia, and malignant lymphoma. The hallmark of SS is B cell hyperreactivity and consequently, autoantibodies such as antinuclear antibodies (ANAs; including anti-Ro60/Ro52/La) and rheumatoid factors.2 These autoantibodies are present in 45% to 75% of patients.3 When patients lack serum anti-Ro52/Ro60 (SSA/Ro), the diagnosis of SS relies upon meeting internationally defined classification criteria,4 which include reduction of measured tear and/or salivary flow, and the finding of focal lymphocytic sialadenitis on minor salivary gland biopsy (MSGB). Patients fulfilling SS criteria who do not express classic serum antibodies are called patients with seronegative SS. However, there is no universally accepted definition of which autoantibodies should define seropositive from seronegative SS. Hence, the proportion of patients with seronegative SS varies in the literature, ranging from 8% to 37% of SS cohorts.5-7 Because of the lack of SS-associated autoantibody biomarkers, seronegative SS may be missed in the clinic if further investigations such as an MSGB are … Address correspondence to Dr. A.Y.S. Lee, Centre for Immunology & Allergy Research, Westmead Institute for Medical Research, 176 Hawkesbury Road, Westmead, NSW 2145, Australia. Email: adrian.lee1{at}sydney.edu.au.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».