The pyruvate kinase (PK) to hexokinase enzyme activity ratio and erythrocyte PK protein level in the diagnosis and phenotype of PK deficiency
Notice bibliographique
Résumé
Diagnosis of pyruvate kinase deficiency (PKD), the most common cause of hereditary non-spherocytic haemolytic anaemia, remains challenging in routine practice and no biomarkers for clinical severity have been characterised. This prospective study enrolled 41 patients with molecularly confirmed PKD from nine North American centres to evaluate the diagnostic sensitivity of pyruvate kinase (PK) enzyme activity and PK:hexokinase (HK) enzyme activity ratio, and evaluate the erythrocyte PK (PK-R) protein level and erythrocyte metabolites as biomarkers for clinical severity. In this population not transfused for ≥90 days before sampling, the diagnostic sensitivity of the PK enzyme assay was 90% [95% confidence interval (CI) 77-97%], whereas the PK:HK ratio sensitivity was 98% (95% CI 87-100%). There was no correlation between PK enzyme activity and clinical severity. Transfusion requirements correlated with normalised erythrocyte ATP levels (r = 0·527, P = 0·0016) and PK-R protein levels (r = -0·527, P = 0·0028). PK-R protein levels were significantly higher in the never transfused [median (range) 40·1 (9·8-73·9)%] versus ever transfused [median (range) 7·7 (0·4-15·1)%] patients (P = 0·0014). The PK:HK ratio had excellent sensitivity for PK diagnosis, superior to PKLR exon sequencing. Given that the number of PKLR variants and genotype combinations limits prognostication based on molecular findings, PK-R protein level may be a useful prognostic biomarker of disease severity and merits further study.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».