Elevated polyreactive immunoglobulin G in immune mediated liver injuries with the need for immunosuppressive therapy
Notice bibliographique
Résumé
Abstract Background and aim The distinction of drug-induced liver injury (DILI), drug-induced autoimmune-like hepatitis (DI-ALH) and autoimmune hepatitis (AIH) can be challenging due to overlapping clinical characteristics. Recently, polyreactive immunoglobulin G (pIgG) was identified as a novel biomarker with a higher accuracy for the diagnose of AIH than conventional autoantibodies. This retrospective multicenter study aimed to evaluate the diagnostic accuracy of pIgG to distinguish between AIH, DI-ALH and DILI and thus identify patients in need of immunosuppression. Methods Samples from 116 patients (AIH=81, DI-ALH=12, DILI=23) were recruited and compared to a control group (non-AIH-non-DILI-LD= 596) from existing biorepositories. Results No patient in the DILI-group but 98% in the AIH-and 92% in the DI-ALH-group received immunosuppressive treatment. pIgG levels were significantly higher in the AIH-group (1.9 normalized arbitrary units (nAU) compared to DILI (1.1 nAU, p<0.001) and non-AIH-non-DILI-LD (1.0 nAU, p<0.001). Median pIgG concentrations of the DI-ALH-group (1.7 nAU) were between AIH (p=.634) and DILI (p=.052). Patients that needed immunosuppressive therapy for remission induction had significantly higher pIgG concentrations compared to those with spontaneous recovery of liver injury (1.8 nAU vs. 1.1 nAU, p<.001). The overall accuracy of pIgG >1.27nAU to distinguish AIH from DILI (74%) and liver injuries with and without the need for immunosuppression (74%) was similar to that of ANA (71/74%) and SMA (74/70%) at cut-offs of ≥1/40. Conclusion Polyreactive IgG can be used to predict AIH in comparison to DILI and indicate the need for immunosuppressive therapy in the work-up of immune mediated or drug-induced liver injuries.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».