Non-invasive biomarkers of disease activity and organ damage in ANCA-associated vasculitis: a systematic review
Notice bibliographique
Résumé
BACKGROUND: In anti-neutrophil cytoplasmic antibody (ANCA)-associated vasculitis (AAV), histopathological assessment of affected tissue is often necessary for diagnosis and assessment of disease extent. There is a requirement for validated non-invasive biomarkers to avoid the need for serial tissue biopsies. METHODS: A systematic review of scientific databases from 2012 until present was performed to identify studies fulfilling the inclusion criteria. Studies were assessed for quality using the Strengthening the Reporting of Observational Studies in Epidemiology checklist for cohort, case-control and cross-sectional studies and the Risk of Bias Assessment tool for Non-randomised Studies, or the Cochrane Risk of Bias tool 2.0 for randomised controlled trials. A descriptive synthesis of the data for non-invasive (blood-based or urinary) biomarkers of AAV-related disease activity and organ damage was performed. RESULTS: Twenty-two high quality studies were included. These articles reported the value of blood-based and urinary biomarkers including anti-neutrophil cytoplasmic antibodies, immune cells, complement factors, gene expression profiles, cytokines, chemokines and other proteins in the assessment of disease activity and/or organ damage in patients with AAV. Many of these biomarkers involve the alternative complement pathway, neutrophil activation and macrophage activation. CONCLUSION: This is the first contemporary systematic review synthesising the value of non-invasive biomarkers of AAV-related disease activity and organ damage. The incorporation of individual markers in combined biomarker profiles might enhance clinical decision-making. Many unmet needs were identified; few studies involve oeosinophilic granulomatosis with polyangiitis and patients with childhood-onset AAV. Further validation of the candidate biomarkers is warranted in large prospective studies to bridge the existing knowledge gaps and apply precision health to systemic vasculitis.
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 | 0,014 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».