Molecular diagnosis of muscular diseases in outpatient clinics
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the diagnostic yield of an 89-gene panel in a large cohort of patients with suspected muscle disorders and to compare the diagnostic yield of gene panel and exome sequencing approaches. METHODS: We tested 1,236 patients from outpatient clinics across Canada using a gene panel and performed exome sequencing for 46 other patients with sequential analysis of 89 genes followed by all mendelian genes. Sequencing and analysis were performed in patients with muscle weakness or symptoms suggestive of a muscle disorder and showing at least 1 supporting clinical laboratory. RESULTS: ) explained about half of all cases. Cardiac anomalies, positive family history, age <60 years, and creatine kinase >1,000 IU/L were all associated with increased diagnostic yield. Exome sequencing identified a diagnosis in 10 (21.7%) of the 46 patients tested. Among these, 3 were attributed to genes not included in the 89-gene panel. Despite differences in median coverage, only 1 of the 187 diagnoses that were identified on gene panel in the 1,236 patients could have been potentially missed if exome sequencing had been performed instead. CONCLUSIONS: Our study supports the use of gene panel testing in patients with suspected muscle disorders from outpatient clinics. It also shows that exome sequencing has a low risk of missing diagnoses compared with gene panel, while potentially increasing the diagnostic yield of patients with muscle disorders.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».