Identification of alkaptonuria in the general population: a United Kingdom experience describing the challenges, possible solutions and persistent barriers
Notice bibliographique
Résumé
Progress in research into rare diseases is challenging. This paper discusses strategies to identify individuals with the rare genetic disease alkaptonuria (AKU) within the general population. Strategies used included a questionnaire survey of general practitioners, a dedicated website and patient network contact, targeted family screening and medical conference targeting. Primary care physicians of the UK were targeted by a postal survey that involved mailing 11,151 UK GPs; the response rate was 18.2%. We have identified 75 patients in the UK with AKU by the following means: postal survey (23), targeted family screening (11), patient networks and the website (41). Targeting medical conferences (AKU, rare diseases, rheumatology, clinical biochemistry, orthopaedics, general practitioners) did not lead to new identification in the UK but helped identify overseas cases. We are now aware of 626 patients worldwide including newly identified non-UK people with AKU in the following areas: Slovakia (208), the rest of Europe (including Turkey) (79), North America (including USA and Canada) (110), and the rest of the world (154). A mechanism for identifying individuals with AKU in the general population-not just in the UK but worldwide-has been established. Knowledge of patients with AKU, both in the UK and outside, is often confined to establishing their location in a particular GP practice or association with a particular medical professional. Mere identification, however, does not always lead to full engagement for epidemiological research purposes or targeting treatment since further barriers exist.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».