Islet autoantibodies as precision diagnostic tools to characterize heterogeneity in type 1 diabetes: a systematic review
Notice bibliographique
Résumé
Abstract Background Islet autoantibodies form the foundation for type 1 diabetes (T1D) diagnosis and staging, but heterogeneity exists in T1D development and presentation. We hypothesized that autoantibodies can identify heterogeneity before, at, and after T1D diagnosis, and in response to disease-modifying therapies. Methods We systematically reviewed PubMed and EMBASE databases (6/14/2022) assessing 10 years of original research examining relationships between autoantibodies and heterogeneity before, at, after diagnosis, and in response to disease-modifying therapies in individuals at-risk or within 1 year of T1D diagnosis. A critical appraisal checklist tool for cohort studies was modified and used for risk of bias assessment. Results Here we show that 152 studies that met extraction criteria most commonly characterized heterogeneity before diagnosis (91/152). Autoantibody type/target was most frequently examined, followed by autoantibody number. Recurring themes included correlations of autoantibody number, type, and titers with progression, differing phenotypes based on order of autoantibody seroconversion, and interactions with age and genetics. Only 44% specifically described autoantibody assay standardization program participation. Conclusions Current evidence most strongly supports the application of autoantibody features to more precisely define T1D before diagnosis. Our findings support continued use of pre-clinical staging paradigms based on autoantibody number and suggest that additional autoantibody features, particularly in relation to age and genetic risk, could offer more precise stratification. To improve reproducibility and applicability of autoantibody-based precision medicine in T1D, we propose a methods checklist for islet autoantibody-based manuscripts which includes use of precision medicine MeSH terms and participation in autoantibody standardization workshops.
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 | 0,027 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,010 |
| Bibliométrie | 0,022 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».