MétaCan
Menu
Retour à la cohorte
Enregistrement W4408479326 · doi:10.3899/jrheum.2024-0806

Correlation Between Interferon Response Gene Score and Disease Activity in Juvenile Dermatomyositis

2025· article· en· W4408479326 sur OpenAlexaffvenueabout
Jayne MacMahon, Mohammad Massumi, Trang T. Duong, Rose Garrett, Audrey Bell‐Peter, Kristi Whitney, Jo-Anne Marcuz, Y. Ingrid Goh, Rae S. M. Yeung, Brian M. Feldman

Notice bibliographique

RevueThe Journal of Rheumatology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInflammatory Myopathies and Dermatomyositis
Établissements canadiensInstitute for Clinical Evaluative SciencesSickKids FoundationHospital for Sick ChildrenPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJuvenile dermatomyositisMedicineDermatomyositisJuvenileDiseaseImmunologyImmunopathologyInternal medicineGeneInterferonGenetics

Résumé

récupéré en direct d'OpenAlex

Objective Type 1 interferons (IFNs) have been identified as potentially important measures of disease activity in juvenile dermatomyositis (JDM). An IFN response gene (IRG) score has been defined using NanoString technology and appears to correlate with disease activity in cross-sectional samples of patients with JDM. This study aimed to determine if there is evidence of a correlation between disease activity and IRG score in patients with JDM, both early in the disease course and longitudinally. Methods All patients attending the JDM clinic at The Hospital for Sick Children (SickKids), in Toronto, Canada, were approached to enroll in the Childhood Arthritis and Rheumatic Diseases (CARD) biobank. We identified patients with a diagnosis of JDM, enrolled between January 2015 and June 2022. NanoString IRG score was calculated from extracted RNA. The modified Disease Activity Score was calculated based on clinical data collected prospectively through SickKids’s JDM registry. Spearman correlation was calculated using all enrollment visit samples, and linear mixed model regression was used for subjects with multiple samples. Results Forty-three subjects with 87 biosamples were identified, including 18 treatment-naïve subjects. Spearman correlation at the enrollment visit was strong ( r s 0.78) with similar results seen in the treatment-naïve cohort ( r s 0.63). This relationship persisted over time, with linear mixed modeling of the treatment-naïve cohort showing β coefficient for the IRG score of 0.004 with P < 0.001. Conclusion This study shows evidence of a significant correlation between IRG score and disease activity, which is maintained over time. This highlights the potential for IRG score to be an important biomarker in JDM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,264
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Journal of RheumatologyMême sujetInflammatory Myopathies and DermatomyositisTravaux en français237 207