MétaCan
Menu
Retour à la cohorte
Enregistrement W2613393193 · doi:10.1002/ajmg.a.38250

Benchmarking outcomes in the Neonatal Intensive Care Unit: Cytogenetic and molecular diagnostic rates in a retrospective cohort

2017· article· en· W2613393193 sur OpenAlexafffund
Faheem Malam, Taila Hartley, Meredith Gillespie, Christine M. Armour, Erika Bariciak, Gail E. Graham, Sarah M. Nikkel, Julie Richer, Sarah L. Sawyer, Kym M. Boycott, David A. Dyment

Notice bibliographique

RevueAmerican Journal of Medical Genetics Part A · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensUniversity of OttawaChildren's Hospital of Eastern Ontario
Organismes subventionnairesPhysicians' Services Incorporated Foundation
Mots-clésRetrospective cohort studyBenchmarkingMedicineNeonatal intensive care unitCohortIntensive care unitCohort studyPediatricsIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Genetic disease and congenital anomalies continue to be a leading cause of neonate mortality and morbidity. A genetic diagnosis in the neonatal intensive care unit (NICU) can be a challenge given the associated genetic heterogeneity and early stage of a disease. We set out to evaluate the outcomes of Medical Genetics consultation in the NICU in terms of cytogenetic and molecular diagnostic rates and impact on management. We retrospectively reviewed 132 charts from patients admitted to the NICU who received a Medical Genetics diagnostic evaluation over a 2 year period. Of the 132 patients reviewed, 26% (34/132) received a cytogenetic or molecular diagnosis based on the Medical Genetics diagnostic evaluation; only 10% (13/132) received a diagnosis during their admission. The additional 16% (21 patients) received their diagnosis following NICU discharge, but based on a genetic test initiated during hospital-stay. Mean time from NICU admission to confirmed diagnosis was 24 days. For those who received a genetic diagnosis, the information was considered beneficial for clinical management in all, and a direct change to medical management occurred for 12% (4/32). For those non-diagnosed infants seen in out-patient follow-up clinic, diagnoses were made in 8% (3/37). The diagnoses made post-discharge from the NICU comprised a greater number of Mendelian disorders and represent an opportunity to improve genetic care. The adoption of diagnostic tools, such as exome sequencing, used in parallel with traditional approaches will improve rate of diagnoses and will have a significant impact, in particular when the differential diagnosis is broad.

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,298
Écart entre enseignants0,289 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Medical Genetics Part AMême sujetGenomics and Rare DiseasesTravaux en français237 207