Severe Relapsing Autoimmune Encephalitis with GABA<sub>A</sub> Receptor, Titin, and AchR Antibodies in a Patient with Thymoma: A Case Report
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<b><i>Introduction:</i></b> We report a challenging case of autoimmune encephalitis in a patient with a thymoma harboring titin and acetylcholine receptor antibodies, who experienced multiple relapses despite thymectomy and aggressive first-line immunotherapy, and for whom GABA<sub>A</sub> receptor antibodies were ultimately identified. <b><i>Case Presentation:</i></b> This 40-year-old man presented with headaches, weakness, diplopia, hearing loss, and seizures progressing to status epilepticus. Brain MRI showed multifocal cortical and subcortical T2/fluid attenuated inversion recovery hyperintense lesions without enhancement. Initial neural antibody testing identified only acetylcholine receptor and titin antibodies. He presented multiple severe relapses despite complete thymoma resection, intravenous methylprednisolone with immunoglobulins or plasmapheresis, and mycophenolate mofetil. Second-line immunotherapy with rituximab was successful to alleviate symptoms and normalize the EEG and MRI after identification of anti-GABA<sub>A</sub> receptor antibodies on more comprehensive neural antibody testing for autoimmune encephalitis. <b><i>Conclusion:</i></b> This case demonstrates the complexity and importance of identifying pathogenic antibodies and selecting 2nd line treatment accordingly in patients with autoimmune encephalitis when multiple antibodies coexist. Despite tumor resection, aggressive immunotherapy may be needed to prevent further deterioration in anti-GABA<sub>A</sub> receptor encephalitis.
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.
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) | 0,001 | 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 | 0,001 |
| 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 découle