Can genetic testing help in the management of dyslipidaemias?
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The aim of this study was to evaluate the potential role of genetic testing, particularly next-generation DNA sequencing, in diagnosing and managing dyslipidaemias, particularly monogenic dyslipidaemias. RECENT FINDINGS: Targeted DNA sequencing of the genes causing monogenic dyslipidaemias is becoming more accessible. Some societies' position statements advise selective utilization of DNA testing in combination with clinical and biochemical assessment. However, high-quality peer-reviewed evidence showing that a DNA-based diagnosis impacts upon long-term patient outcomes is currently lacking. Nonetheless, we show anecdotal examples of tangible clinical actions following from a genetic diagnosis. In any event, care must be taken when interpreting genetic reports. We strongly feel that expertise in both genetics and dyslipidaemias is required to adequately interpret and report results to patients, as well as to make informed treatment decisions that can have a potential lifelong impact. SUMMARY: There are some examples of monogenic dyslipidaemias for which having a molecular diagnosis might beneficially affect patient outcomes, for example certain cases of suspected familial hypercholesterolemia, familial chylomicronemia syndrome, sitosterolemia or lysosomal acid lipase deficiency. In general, we recommend limiting genetic testing to selected cases of monogenic dyslipidaemias. Finally, we advise that there is currently no proven clinical benefit in testing for polygenic dyslipidaemias.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».