MétaCan
Menu
Retour à la cohorte
Enregistrement W2464853513 · doi:10.1111/hae.12998

Genomic approaches to bleeding disorders

2016· article· en· W2464853513 sur OpenAlexaff
Flora Peyvandi, Catherine P.M. Hayward

Notice bibliographique

RevueHaemophilia · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePlatelet Disorders and Treatments
Établissements canadiensMcMaster University
Organismes subventionnairesNovo NordiskAlexion PharmaceuticalsCSL BehringBayer
Mots-clésPlatelet disorderBernard–Soulier syndromeMedicineBlood Platelet DisordersHaemophiliaHaemophilia AVon Willebrand diseaseGeneticsGeneCoagulation DisorderBioinformaticsClotting factorHereditary DiseasesBiologyCoagulationPediatricsVon Willebrand factorImmunologyPlateletInternal medicinePlatelet aggregation

Résumé

récupéré en direct d'OpenAlex

The genes encoding the coagulation factors were characterized over two decades ago. Since then, significant progress has been made in the genetic diagnosis of the two commonest severe inherited bleeding disorders, haemophilia A and B. Experience with the genetic of inherited rare bleeding disorders and platelet disorders is less well advanced. Rare bleeding disorders are usually inherited as autosomal recessive disorders, while it is now clear that a number of the more common platelet function disorders are inherited as autosomal dominant traits. In both cases, DNA sequencing has been useful since most of these disorders are due to mutations located at the coding regions or splice sites of genes encoding the abnormal protein. However, in 5-10% of patients affected with severe clotting factor deficiencies, no genetic defect can be identified and until recently, the genetic characterization of inherited platelet disorders had been confined to the more prevalent conditions such as Glanzmann disease and Bernard-Soulier syndrome. In patients with no gene mutations identified, so far, the role of next-generation sequencing as well as of other new genomic technologies will very likely have increasing importance. However, such methods require extensive bioinformatics analysis that, in turn will require critical revision of our current diagnostic infrastructure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,253
Écart entre enseignants0,183 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHaemophiliaMême sujetPlatelet Disorders and TreatmentsTravaux en français237 207