Serum Biomarkers in Bullous Pemphigoid: A Systematic Review
Notice bibliographique
Résumé
Introduction: Bullous pemphigoid (BP) is the most common type of subepidermal blistering disease, usually observed in the elderly population, with a mean age of presentation between 66 and 83 years. BP is a psychosocially ladened disease, with many patients experiencing negative body image, social isolation, and depression. The identification and validation of biomarkers in BP may further the understanding of disease pathogenesis, provide objective measures in assessing efficacy in clinical trials, and identify new targets for targeted therapy. Methods/Results: Two databases (Medline and Embase) were searched from database inception to September 2023. All published articles reporting on biomarker levels of BP patients in serum compared to healthy controls were included. A total of 877 unique articles were identified, resulting in the inclusion of 62 case-control studies reporting on a total of 1837 patients and 140 unique biomarkers. Biomarkers were categorized into T-cell mediated, B-cell mediated, innate immune system, and coagulation cascade pathway. The most notable biomarkers identified include increases in anti-BP180/230 immunoglobulin (Ig)G/E, total IgE, TNF-α, B-cell activating factor, interleukin-31, eosinophil cationic protein, MMP-9, and coagulation cascade biomarker levels. The results of this review provide the greatest support for a role of anti-BP180/230 autoantibodies, T h 2 cells, eosinophils, and the coagulation cascade in the pathogenesis of BP. Conclusions: The pathogenesis of BP has an underlying autoimmune etiology centred around the production of autoantibodies against BP180/230, but increased T h 2, eosinophil and coagulation cascade activity may be contributory.
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 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,002 |
| Bibliométrie | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».