Williams–Beuren syndrome in diverse populations
Notice bibliographique
Résumé
Williams-Beuren syndrome (WBS) is a common microdeletion syndrome characterized by a 1.5Mb deletion in 7q11.23. The phenotype of WBS has been well described in populations of European descent with not as much attention given to other ethnicities. In this study, individuals with WBS from diverse populations were assessed clinically and by facial analysis technology. Clinical data and images from 137 individuals with WBS were found in 19 countries with an average age of 11 years and female gender of 45%. The most common clinical phenotype elements were periorbital fullness and intellectual disability which were present in greater than 90% of our cohort. Additionally, 75% or greater of all individuals with WBS had malar flattening, long philtrum, wide mouth, and small jaw. Using facial analysis technology, we compared 286 Asian, African, Caucasian, and Latin American individuals with WBS with 286 gender and age matched controls and found that the accuracy to discriminate between WBS and controls was 0.90 when the entire cohort was evaluated concurrently. The test accuracy of the facial recognition technology increased significantly when the cohort was analyzed by specific ethnic population (P-value < 0.001 for all comparisons), with accuracies for Caucasian, African, Asian, and Latin American groups of 0.92, 0.96, 0.92, and 0.93, respectively. In summary, we present consistent clinical findings from global populations with WBS and demonstrate how facial analysis technology can support clinicians in making accurate WBS diagnoses.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».