MétaCan
Menu
← Retour à la cohorte
Enregistrement W2809826138 · doi:10.1017/cjn.2018.231

P.129 Worster-Drought syndrome caused by LINS mutations

2018· article· en· W2809826138 sur OpenAlexvenueno aff
HJ McMillan, Anne-Lise Holahan, Julie Richer

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDroolingMedicineAudiologyDysphagiaApraxiaPediatricsNeurodevelopmental disorderPsychologyAphasiaPsychiatryAutismSurgery

Résumé

récupéré en direct d'OpenAlex

Background: Worster-Drought syndrome (WDS) is a congenital, pseudobulbar paresis. Patients show oromotor apraxia causing impaired speech, drooling, dysphagia and varying degrees of cognitive impairment. Familial cases are reported although causative genes have not been identified. LINS mutations have recently been reported in patients with severe cognitive and language impairment. Methods: The proband was diagnosed with WDS at 8 years old because of longstanding drooling, dysphagia and impaired tongue movement. At 14 years old, he remains aphonic, using sign language and typing on a smart-tablet to communicate. Neurological examination including facial and extraocular movement was otherwise unremarkable. MRI brain revealed no heterotopia or atrophy. Results: An expanded intellectual disability panel at GeneDx identified nonsense mutations in LINS alleles: c.1096; p.Glu366X and c.1178 T>G, p.Lys393X. Neuropsychological testing at 14 years old noted nonverbal reasoning skills at 5 year old level with relative sparing of his receptive vocabulary and visual attention. Compared to prior testing at 9 years his receptive language improved from a 6 year old to an 8.5 year old level. Conclusions: Nonsense mutations of LINS have been identified in a patient with WDS. Despite his severe and persistent aphonia, improvements in receptive language were observed with global intellectual functioning better than expected.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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'étudeÉtude de cas
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques→Même sujetGenomics and Rare Diseases→Travaux en français237 207→