<scp>Myoclonus‐Ataxia</scp> Syndromes: A Diagnostic Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: A myriad of disorders combine myoclonus and ataxia. Most causes are genetic and an increasing number of genes are being associated with myoclonus-ataxia syndromes (MAS), due to recent advances in genetic techniques. A proper etiologic diagnosis of MAS is clinically relevant, given the consequences for genetic counseling, treatment, and prognosis. OBJECTIVES: To review the causes of MAS and to propose a diagnostic algorithm. METHODS: A comprehensive and structured literature search following PRISMA criteria was conducted to identify those disorders that may combine myoclonus with ataxia. RESULTS: A total of 135 causes of combined myoclonus and ataxia were identified, of which 30 were charted as the main causes of MAS. These include four acquired entities: opsoclonus-myoclonus-ataxia syndrome, celiac disease, multiple system atrophy, and sporadic prion diseases. The distinction between progressive myoclonus epilepsy and progressive myoclonus ataxia poses one of the main diagnostic dilemmas. CONCLUSIONS: Diagnostic algorithms for pediatric and adult patients, based on clinical manifestations including epilepsy, are proposed to guide the differential diagnosis and corresponding work-up of the most important and frequent causes of MAS. A list of genes associated with MAS to guide genetic testing strategies is provided. Priority should be given to diagnose or exclude acquired or treatable 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.
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 | 0,002 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle