Pathological features of connective tissue disease‐associated interstitial lung disease in transbronchial cryobiopsies
Notice bibliographique
Résumé
Aim Transbronchial cryobiopsies are increasingly used for the diagnosis of interstitial lung disease (ILD), but there is a lack of published information on the features of specific ILD in cryobiopsies. Here we attempt to provide pathological guidelines for separating usual interstitial pneumonia (UIP) of idiopathic pulmonary fibrosis (IPF), fibrotic hypersensitivity pneumonitis (FHP) and connective tissue disease‐associated ILD (CTD–ILD) in cryobiopsies. Methods We examined 120 cryobiopsies from patients with multidisciplinary discussion (MDD)‐established CTD–ILD and compared them to a prior series of 121 biopsies from patients with MDD‐established IPF or FHP. Results A non‐specific interstitial pneumonia (NSIP) pattern alone was seen in 36 of 120 (30%) CTD–ILD, three of 83 (3.6%) FHP and two of 38 (5.2%) IPF cases, statistically favouring a diagnosis of CTD–ILD. The combination of NSIP + OP was present in 29 of 120 (24%) CTD–ILD, two of 83 (2.4%) FHP and none of 38 (0%) IPF cases, favouring a diagnosis of CTD–ILD. A UIP pattern, defined as fibroblast foci plus any of patchy old fibrosis/fibrosis with architectural distortion/honeycombing, was identified in 28 of 120 (23%) CTD–ILD, 45 of 83 (54%) FHP and 27 of 38 (71%) IPF cases and supported a diagnosis of FHP or IPF. The number of lymphoid aggregates/mm 2 and fibroblast foci/mm 2 was not different in IPF, CTD–ILD or FHP cases with a UIP pattern. Interstitial giant cells supported a diagnosis of FHP or CTD–ILD over IPF, but were infrequent. Conclusions In the correct clinical/radiological context the pathological findings of NSIP, and particularly NSIP plus OP, favour a diagnosis of CTD–ILD in a cryobiopsy, but CTD–ILD with a UIP pattern, FHP with a UIP pattern and IPF generally cannot be distinguished.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».