Clinical Characteristics of Anti‐Synthetase Syndrome: Analysis From the Classification Criteria for Anti‐Synthetase Syndrome Project
Notice bibliographique
Résumé
OBJECTIVE: Anti-synthetase syndrome (ASSD) is a rare systemic autoimmune rheumatic disease (SARD) with significant heterogeneity and no shared classification criteria. We aimed to identify clinical and serological features associated with ASSD that may be suitable for inclusion in the data-driven classification criteria for ASSD. METHODS: We used a large, international, multicenter "Classification Criteria for Anti-synthetase Syndrome" (CLASS) project database, which includes both patients with ASSD and controls with mimicking conditions, namely, SARDs and/or interstitial lung disease (ILD). The local diagnoses of ASSD and controls were confirmed by project team members. We employed univariable logistic regression and multivariable Ridge regression to evaluate clinical and serological features associated with an ASSD diagnosis in a randomly selected subset of the cohort. RESULTS: Our analysis included 948 patients with ASSD and 1,077 controls. Joint, muscle, lung, skin, and cardiac involvement were more prevalent in patients with ASSD than in controls. Specific variables associated with ASSD included arthritis, diffuse myalgia, muscle weakness, muscle enzyme elevation, ILD, mechanic's hands, secondary pulmonary hypertension due to ILD, Raynaud phenomenon, and unexplained fever. In terms of serological variables, Jo-1 and non-Jo-1 anti-synthetase autoantibodies, antinuclear antibodies with cytoplasmic pattern, and anti-Ro52 autoantibodies were associated with ASSD. In contrast, isolated arthralgia, dysphagia, electromyography/magnetic resonance imaging/muscle biopsy findings suggestive of myopathy, inflammatory rashes, myocarditis, and pulmonary arterial hypertension did not differentiate between patients with ASSD and controls or were inversely associated with ASSD. CONCLUSION: We identified key clinical and serological variables associated with ASSD, which will help clinicians and offer insights into the development of data-driven classification criteria for ASSD.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».