Refining Genotype-Phenotype Correlation in Autosomal Dominant Polycystic Kidney Disease
Notice bibliographique
Résumé
Renal disease variability in autosomal dominant polycystic kidney disease (ADPKD) is strongly influenced by the gene locus (PKD1 versus PKD2). Recent studies identified nontruncating PKD1 mutations in approximately 30% of patients who underwent comprehensive mutation screening, but the clinical significance of these mutations is not well defined. We examined the genotype-renal function correlation in a prospective cohort of 220 unrelated ADPKD families ascertained through probands with serum creatinine ≤1.4 mg/dl at recruitment. We screened these families for PKD1 and PKD2 mutations and reviewed the clinical outcomes of the probands and affected family members. Height-adjusted total kidney volume (htTKV) was obtained in 161 affected subjects. Multivariate Cox proportional hazard modeling for renal and patient survival was performed in 707 affected probands and family members. Overall, we identified pathogenic mutations in 84.5% of our families, in which the prevalence of PKD1 truncating, PKD1 in-frame insertion/deletion, PKD1 nontruncating, and PKD2 mutations was 38.3%, 4.3%, 27.1%, and 30.3%, respectively. Compared with patients with PKD1 truncating mutations, patients with PKD1 in-frame insertion/deletion, PKD1 nontruncating, or PKD2 mutations have smaller htTKV and reduced risks (hazard ratio [95% confidence interval]) of ESRD (0.35 [0.14 to 0.91], 0.10 [0.05 to 0.18], and 0.03 [0.01 to 0.05], respectively) and death (0.31 [0.11 to 0.87], 0.20 [0.11 to 0.38], and 0.18 [0.11 to 0.31], respectively). Refined genotype-renal disease correlation coupled with targeted next generation sequencing of PKD1 and PKD2 may provide useful clinical prognostication for ADPKD.
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 | 0,000 | 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 ».