The variable manifestations of disease in pyruvate kinase deficiency and their management
Notice bibliographique
Résumé
Pyruvate kinase deficiency (PKD) is the most common cause of chronic hereditary non-spherocytic hemolytic anemia and results in a broad spectrum of disease. The diagnosis of PKD requires a high index of suspicion and judicious use of laboratory tests that may not always be informative, including pyruvate kinase enzyme assay and genetic analysis of the PKLR gene. A significant minority of patients with PKD have occult mutations in non-coding regions of PKLR which are missed on standard genetic tests. The biochemical consequences of PKD result in hemolytic anemia due to red cell pyruvate and ATP deficiency while simultaneously causing increased red cell 2,3-diphosphoglycerate, which facilitates oxygen unloading. This phenomenon, in addition to numerous other factors such as genetic background and differences in splenic function result in a poor correlation between symptoms and degree of anemia from patient to patient. Red cell transfusions should, therefore, be symptom-directed and not based on a hemoglobin threshold. Patients may experience specific complications, such as paravertebral extramedullary hematopoiesis and chronic debilitating icterus, which require personalized treatment. The decision to perform splenectomy or hematopoietic stem cell transplantation is nuanced and depends on disease burden and long-term outlook given that targeted therapeutics are in development. In recognition of the complicated nature of the disease and its management and the limitations of the PKD literature, an international working group of ten PKD experts convened to better define the disease burden and manifestations. This article summarizes the conclusions of this working group and is a guide for clinicians and investigators caring for patients with PKD.
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 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 | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».