Retrospective TREC testing of newborns with Severe Combined Immunodeficiency and other primary immunodeficiency diseases
Notice bibliographique
Résumé
In Manitoba, Canada, the overall incidence of Severe Combined Immunodeficiency (SCID) is three-fold higher than the national average, with SCID overrepresented in two population groups: Mennonites and First Nations of Northern Cree ancestries. T-cell receptor excision circle (TREC) assay is being used increasingly for neonatal screening for SCID in North America. However, the majority of SCID patients in Manitoba are T-cell-positive. Therefore it is likely that the TREC assay will not identify these infants. The goal of this study was to blindly and retrospectively perform TREC analysis in confirmed SCID patients using archived Guthrie cards. Thirteen SCID patients were tested: 5 T-negative SCID (3 with adenosine deaminase deficiency, 1 with CD3δ deficiency, and 1 unclassified) and 8 T-positive SCID (5 with zeta chain-associated protein kinase (ZAP70) deficiency and 3 with inhibitor of kappa light polypeptide gene enhancer in B-cells, kinase beta (IKKβ) deficiency). As a non-SCID patient group, 5 Primary Immunodeficiency Disease (PID) patients were studied: 1 T-negative PID (cartilage-hair hypoplasia) and 4 T-positive PID (2 common immune deficiency (CID), 1 Wiskott–Aldrich syndrome, and 1 X-linked lymphoproliferative disease). Both patient groups required hematopoietic stem cell transplantation. In addition, randomly-selected de-identified controls (n = 982) were tested. Results: all T-negative SCID and PID had zero TRECs. Low-TRECs were identified in 2 ZAP70 siblings, 1 CID patient as well as 5 preterm, 1 twin, and 4 de-identified controls. Conclusions: TREC method will identify T-negative SCID and T-negative PID. To identify other SCID babies, newborn screening in Manitoba must include supplemental targeted screening for ethnic-specific mutations.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».