Incorporating epilepsy genetics into clinical practice: a 360°evaluation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We evaluated a new epilepsy genetic diagnostic and counseling service covering a UK population of 3.5 million. We calculated diagnostic yield, estimated clinical impact, and surveyed referring clinicians and families. We costed alternative investigational pathways for neonatal onset epilepsy. Patients with epilepsy of unknown aetiology onset < 2 years; treatment resistant epilepsy; or familial epilepsy were referred for counseling and testing. We developed NGS panels, performing clinical interpretation with a multidisciplinary team. We held an educational workshop for paediatricians and nurses. We sent questionnaires to referring paediatricians and families. We analysed investigation costs for 16 neonatal epilepsy patients. Of 96 patients, a genetic diagnosis was made in 34% of patients with seizure onset < 2 years, and 4% > 2 years, with turnaround time of 21 days. Pathogenic variants were seen in SCN8A, SCN2A, SCN1A, KCNQ2 , HNRNPU, GRIN2A , SYNGAP1, STXBP1, STX1B, CDKL5, CHRNA4, PCDH19 and PIGT . Clinician prediction was poor. Clinicians and families rated the service highly. In neonates, the cost of investigations could be reduced from £9362 to £2838 by performing gene panel earlier and the median diagnostic delay of 3.43 years reduced to 21 days. Panel testing for epilepsy has a high yield among children with onset < 2 years, and an appreciable clinical and financial impact. Parallel gene testing supersedes single gene testing in most early onset cases that do not show a clear genotype-phenotype correlation. Clinical interpretation of laboratory results, and in-depth discussion of implications for patients and their families, necessitate multidisciplinary input and skilled genetic counseling.
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.
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 | 0,002 | 0,002 |
| 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 découle