识别系统性自身免疫性疾病的异质子组,通过对免疫标志物应用联合维度缩小和集群方法来识别免疫标志物

科学领域:

• 免疫学 免疫学 免疫学
• 类风湿病学 类风湿病学
• 数据科学数据科学数据科学

背景情况:

• 系统性自身免疫性疾病 (SAD) 对精确的患者管理提出了复杂的挑战.
• 调查SAD内固有的异质性对于推进临床实践至关重要.

研究的目的:

• 根据免疫标志物概况,探索和定义系统性自身免疫疾病 (SAD) 中不同的子组.
• 分析与这些已识别的子组相关的临床表现.

主要方法:

• 对免疫标记数据进行了综合多重对应分析和k-means的联合集群分析.
• 分析了11923名被诊断患有系统性红斑狼 (SLE),类风湿性关节炎 (RA) 和Sjögren综合征 (SS) 的患者的电子健康记录.
• 通过比较免疫标志物和临床表现差异,通过跨集群测量异质性.

主要成果:

• 在11,923名患者中确定了六个不同的群体,没有一个专门包括一个单一的SAD.
• 集群在临床表现方面表现出显著的差异,表明复杂的SAD异质性.
• 特定的集群在SLE患者中显示出较高的损伤发病率,在Sjögren综合征患者中显示出独特的临床特征.

结论:

• 一种基于免疫标记的聚类方法有效地识别了SAD中临床相关的子组.
• 这种方法为更精确的诊断和针对SAD患者的量身定制的治疗策略提供了基础.