Anti-FHL1 autoantibodies in adult patients with myositis: a longitudinal follow-up analysis
Notice bibliographique
Résumé
OBJECTIVES: To determine prevalence and clinical associations of anti-Four-and-a-half-LIM-domain 1 (FHL1) autoantibodies in patients with idiopathic inflammatory myopathies (IIM) and to evaluate autoantibody levels over time. METHODS: Sera at the time of diagnosis from patients with IIM (n = 449), autoimmune disease controls (DC, n = 130), neuromuscular diseases (NMDs, n = 16) and healthy controls (HC, n = 100) were analysed for anti-FHL1 autoantibodies by enzyme-linked immunosorbent assay (ELISA). Patients with IIM FHL1+ and FHL1- were included in a longitudinal analysis. Serum levels were correlated to disease activity. RESULTS: Autoantibodies to FHL1 were more frequent in patients with IIM (122/449, 27%) compared with DC (autoimmune DC and NMD, 13/146, 9%, P < 0.001) and HC (3/100.3%, P < 0.001). Anti-FHL1 levels were higher in IIM [median (IQR)=0.62 (0.15-1.04)] in comparison with DC [0.22 (0.08-0.58)], HC [0.35 (0.23-0.47)] and NMD [0.48 (0.36-0.80)] P < 0.001. Anti-FHL1+ patients with IIM were younger at the time of diagnosis compared with the anti-FHL1- group (P = 0.05) and were seronegative for other autoantibodies in 25%.In the first follow-up, anti-FHL1+ sample 20/33 (60%) positive at baseline had turned negative for anti-FHL1 autoantibodies. Anti-FHL1 autoantibodies rarely appeared after initiating treatment. Anti-FHL1 autoantibody levels correlated with CK (r = 0.62, P= 0.01), disease activity measured using the Myositis Disease Activity Assessment Tool (MYOACT) (n = 14, P = 0.004) and inversely with Manual Muscle Test-8 (r = -0.59, P = 0.02) at baseline. CONCLUSION: Anti-FHL1 autoantibodies were present in 27% of patients with IIM; of these, 25% were negative for other autoantibodies. Other autoimmune diseases had lower frequencies and levels. Anti-FHL1 levels often decreased with immunosuppressive treatment, correlated with disease activity measures at diagnosis and rarely appeared after start of treatment.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».