主要Sjögren综合征的数据驱动分类:从集群分析到临床免疫表型和预测生物标志物

科学领域:

• 类风湿病学 类风湿病学
• 免疫学 免疫学 免疫学
• 临床医学 临床医学

背景情况:

• 主要Sjögren综合征 (pSS) 显示出显著的临床异质性.
• 传统的基于器官的分类不能完全捕捉pSS疾病机制.
• 识别不同的免疫表型对于理解PSS病理生理学至关重要.

研究的目的:

• 通过数据驱动的方法来识别pSS的不同临床免疫表型.
• 探索这些已识别的pSS表型的预测生物标志物.
• 加强精准医学策略,用于pSS管理.

主要方法:

• 在1087名pSS患者中,无监督的K-意味着10个器官参与变量的集群.
• 网络分析将器官参与与实验室生物标志物联系起来.
• 多变量逻辑回归和受限立方线分析,以确定预测因素和非线性关系.

主要成果:

• 确定了两个表型:多系统炎症亚型 (表型1) 和腺限高免疫球蛋白亚型 (表型2).
• 现型1显示广泛的肌肉骨参与和升高的炎症标志物,与类风湿因子 (RF) 强烈相关.
• 男性性别,高和射频水平独立预测了表型1,预测得分达到0.717的AUC.

结论:

• pSS包括不同的临床表型,具有不同的病理生理特征.
• 数据驱动的分类补充了传统的分类,为精准医学提供了洞察力.
• 射频是一种关键的生物标志物,将肌肉骨症状与全身炎症联系起来,有助于精确的PSS亚型和向治疗.