ANTI-DFS70 ANTIBODIES AS A MARKER FOR EXCLUSION OF SYSTEMIC AUTOIMMUNE RHEUMATIC DISEASES
Notice bibliographique
Résumé
PV033 / #298 Poster Topic: AS04 - Biomarkers Background/Purpose The DFS70 pattern, which is rare in patients (pts) with systemic autoimmune rheumatic diseases (SARDs), has been described as the second most common in serum healthy individuals (HI). The purpose of our study was the frequency of detection of anti-DFS70 in HI, pts with undifferentiated SARDs and systemic lupus erythematosus (SLE). Methods A total of 45 HI, 17 undifferentiated SARDs pts and 81 SLE pts were included in the study. Groups were comparable in gender and age among themselves. The diagnosis of SLE was performed according to the ACR/EULAR 2019 classification criteria. Serum samples were tested for anti-DFS70 (ANA HEp-2 ELITE/DFS70 knockout indirect immunofluorescence assay (IFA), “Trinity Biotech”, Ireland). Fluorescence titers ≥1:160 were considered as positive for ANA HEp-2 cell patterns. Results Positive results of the ANA study were found in 81 (100.0%) pts with SLE, in 16 (94.0%) pts with undifferentiated SARDs and 7 (15.6%) HI. Isolated antibodies to DFS70 detected in 4 (57.1%) HI, in 9 (56.2%) undifferentiated SARDs, but were not detected in SLE pts. Classical HEp-2 cell patterns (homogeneous AC-1, speckled AC-4,5, homogeneous+speckled AC-1,4,5, cytoplasmic AC-19,20,21) without anti-DFS70 were determined in 3 (42.9%) HI, in 7 (43.8%) pts with undifferentiated SARDs and in 81 (100%) pts with SLE (Table 1). Therefore, monospecific anti-DFS70 were detected in the HI and undifferentiated SARDs groups, but were not detected in pts with a reliable diagnosis of SLE. Table 1. Detection rate of patterns in ANA HEp-2-positive pts Conclusions The presence of monospecific DFS70 pattern in IFA without concomitant SARD-associated antibodies could be an exclusion biomarker for SARDs and a sign of benign autoimmunity.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».