Clinical validity of karyotyping for the diagnosis of chromosomal imbalance following array comparative genomic hybridisation
Notice bibliographique
Résumé
BACKGROUND: Array comparative genomic hybridisation (aCGH) represents a major advance in the ability to detect chromosomal imbalances (CI). A recent meta-analysis recommended aCGH for replacing karyotyping for patients with unexplained disabilities. However, favouring aCGH over karyotyping must be based on solid evidence due to the major implications of selecting a preferential diagnostic tool. METHODS AND RESULTS: A prospective study of 376 samples was conducted to assess the relevance of karyotyping after a first-tier aCGH in patients with unexplained disabilities. aCGH detected CI in 28.7% of the cases. Out of 376 patients, 288 had undergone parallel karyotyping testing: 69.8% (201/288) showed similar results for both aCGH and karyotyping. For patients with a CI detected by aCGH, 7.9% (7/89) showed similar results for both aCGH and karyotyping. Among 20 patients with abnormal karyotyping, 13 showed dissimilar results compared to aCGH analysis: 4 patients (1.4%) had balanced rearrangements and 9 patients (3.1%) had additional chromosomal anomalies unseen using aCGH. This rate of unseen chromosomal anomalies is far superior to the previously estimated 0.5-0.78% prevalence and affects 10.1% (9/89) of patients with CI detected by aCGH in the tested population. CONCLUSIONS: Since the clinical significance of CI identified by aCGH might be influenced by such discrepancies between the two methods, these may in turn have an impact on clinical diagnosis and patient counselling. It is proposed that each genetic laboratory should evaluate the relevance of karyotyping for all first-tier abnormal aCGH results in order to include the genomic (chromosomal) aspects of the aCGH findings in the diagnosis.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».