MétaCan
Menu
Retour à la cohorte
Enregistrement W2980063115 · doi:10.1210/js.2019-00214

Differentiating Familial Chylomicronemia Syndrome From Multifactorial Severe Hypertriglyceridemia by Clinical Profiles

2019· article· en· W2980063115 sur OpenAlex
Louis O’Dea, James E. MacDougall, Veronica Alexander, Andrés Digenio, Brant Hubbard, Marcello Arca, Patrick M. Moriarty, John J.P. Kastelein, Éric Bruckert, Handrean Soran, Joseph L. Witztum, Robert A. Hegele, Daniel Gaudet

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of the Endocrine Society · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLipid metabolism and disorders
Établissements canadiensUniversité de MontréalWestern University
Organismes subventionnairesIonis Pharmaceuticals
Mots-clésHypertriglyceridemiaMedicineInternal medicineTriglycerideCholesterol

Résumé

récupéré en direct d'OpenAlex

CONTEXT: Differentiation between familial chylomicronemia syndrome (FCS, type 1 hyperlipoproteinemia), a rare metabolic disorder, and the more common multifactorial severe hypertriglyceridemia (sHTG, type 5 hyperlipoproteinemia) is challenging because of their overlapping symptoms but important in patient management. OBJECTIVE: To assess whether readily obtainable clinical information beyond triglycerides can effectively diagnose and differentiate patients with FCS from those with sHTG, based on well-curated data from two intervention studies of these conditions. METHODS: The analysis included 154 patients from two phase 3 clinical trials of patients with sHTG, one cohort with genetically confirmed FCS (n = 49) and one with multifactorial sHTG (n = 105). Logistic regression analyses were performed to determine the ability of variables (patient demographics, medical history, and baseline lipids, individually or in sets) to differentiate the patient populations. Receiver operating characteristics were used to determine the variable sets with the highest accuracy (percentage of times actual values matched predicted) and optimal sensitivity and specificity. RESULTS: The primary model diagnosed 45 of 49 patients with FCS and 99 of 105 patients with sHTG correctly. Optimal sensitivity for all available parameters (n = 17) was 91.8%, optimal specificity was 94.3%, and accuracy was 93.5%. Fasting low-density lipoprotein cholesterol (LDL-C) provided the highest individual predictability. However, a three-variable set of ultracentrifugally measured LDL-C, body mass index, and pancreatitis history differentiated the diseases with a near similar accuracy of 91.0%, and adding high-density lipoprotein cholesterol and very low-density lipoprotein cholesterol for a five-variable set provided a small incremental increase in accuracy (92.2%). CONCLUSIONS: In the absence of genetic testing, hypertriglyceridemic patients with FCS and sHTG can be differentiated with a high degree of accuracy by analyzing readily obtainable clinical information.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,150
Score d'incertitude au seuil0,539

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,272
Écart entre enseignants0,262 · 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