Mass spectrometry in IgG4-related disease diagnosis
Notice bibliographique
Résumé
We compared liquid chromatography tandem mass spectrometry (LC-MS/MS) against Binding Site immunonephelometry (BSIN) with regards to these methods' abilities to diagnose IgG4-related disease (IgG4-RD). IgG subclasses were gathered from laboratory from December 2011 to December 2020. The IgG4-RD positive and negative patients were diagnosed according to the ACR/EULAR classification criteria by extensive chart review. Both methods' results were compared in terms of test characteristics. For BSIN, there were 43 IgG4-RD positive cases and 174 disease negative cases, while for LC-MS/MS, there were 102 IgG4-RD positive cases and 562 disease negative cases. The majority of IgG4-RD patients by BSIN and LC-MS/MS had an elevated IgG4 level, 81% and 86%, respectively. For BSIN, the ROC curve, cut-off value of 1.25 g/L, had a sensitivity of 81% and a specificity of 84%. For LC-MS/MS, the ROC curve, cut-off value of 1.25 g/L, had a sensitivity of 86% and a specificity of 84%. The responder index score to IgG4 level r-correlation value for BSIN and LC-MS/MS was 0.5 and 0.6, respectively. In our center, LC-MS/MS and BSIN are equivalent test methods in IgG4-RD diagnosis. IgG4 level does correlate with disease activity by the responder index. LC-MS/MS is a valid and equally reliable alternative to BSIN in the diagnosis of IgG4-related disease.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| 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) | 0,001 | 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; 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 ».