Bleeding risks for uncharacterized platelet function disorders
Notice bibliographique
Résumé
Background The bleeding risks for nonsyndromic platelet function disorders (PFDs) that impair aggregation responses and/or cause dense granule deficiency (DGD) are uncertain. Objectives Our goal was to quantify bleeding risks for a cohort of consecutive cases with uncharacterized PFD. Methods Sequential cases with uncharacterized PFDs that had reduced maximal aggregation (MA) with multiple agonists and/or nonsyndromic DGD were invited to participate along with additional family members to reduce bias. Index cases were further evaluated by exome sequencing, with analysis of RUNX1-dependent genes for cases with RUNX1 sequence variants. Bleeding assessment tools were used to estimate bleeding scores, with bleeding risks estimated as odds ratios (ORs) relative to general population controls. Relationships between symptoms and laboratory findings were also explored. Results Participants with uncharacterized PFD (n = 37; 23 index cases) had impaired aggregation function (70%), nonsyndromic DGD (19%) or both (11%), unlike unaffected relatives. Probable pathogenic RUNX1 variants were found in 2 (9%) index cases/families, whereas others had PFD of unknown cause. Participants with PFD had increased bleeding scores compared to unaffected family members and general population controls, and increased risks for mucocutaneous (OR, 4-207) and challenge-related bleeding (OR, 12-43), and for receiving transfusions for bleeding (OR, 100). Reduced MA with collagen was associated with wound healing problems and bruising, and more severe DGD was associated with surgical bleeding (P < .04). Conclusions PFDs that impair MA and/or cause nonsyndromic DGD have significantly increased bleeding risks, and some symptoms are more common in those with more severe DGD or impaired collagen aggregation.
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 | 0,001 | 0,001 |
| 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 ».