MétaCan
Menu
Retour à la cohorte
Enregistrement W3154750300 · doi:10.1186/s13023-021-01727-2

Treatable inherited metabolic disorders causing intellectual disability: 2021 review and digital app

2021· review· en· W3154750300 sur OpenAlexaff
Eva M. M. Hoytema van Konijnenburg, Saskia B. Wortmann, Marina J. Koelewijn, Laura A. Tseng, Roderick F.A. Houben, Sylvia Stöckler‐Ipsiroglu, Carlos R. Ferreira, Clara D.M. van Karnebeek

Notice bibliographique

RevueOrphanet Journal of Rare Diseases · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensBC Children's Hospital
Organismes subventionnairesAustrian Science FundStichting Metakids
Mots-clésMedicinePsychological interventionIntervention (counseling)Intellectual disabilityMEDLINEClinical trialBioinformaticsPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Treatable ID App was created in 2012 as digital tool to improve early recognition and intervention for treatable inherited metabolic disorders (IMDs) presenting with global developmental delay and intellectual disability (collectively 'treatable IDs'). Our aim is to update the 2012 review on treatable IDs and App to capture the advances made in the identification of new IMDs along with increased pathophysiological insights catalyzing therapeutic development and implementation. METHODS: Two independent reviewers queried PubMed, OMIM and Orphanet databases to reassess all previously included disorders and therapies and to identify all reports on Treatable IDs published between 2012 and 2021. These were included if listed in the International Classification of IMDs (ICIMD) and presenting with ID as a major feature, and if published evidence for a therapeutic intervention improving ID primary and/or secondary outcomes is available. Data on clinical symptoms, diagnostic testing, treatment strategies, effects on outcomes, and evidence levels were extracted and evaluated by the reviewers and external experts. The generated knowledge was translated into a diagnostic algorithm and updated version of the App with novel features. RESULTS: Our review identified 116 treatable IDs (139 genes), of which 44 newly identified, belonging to 17 ICIMD categories. The most frequent therapeutic interventions were nutritional, pharmacological and vitamin and trace element supplementation. Evidence level varied from 1 to 3 (trials, cohort studies, case-control studies) for 19% and 4-5 (case-report, expert opinion) for 81% of treatments. Reported effects included improvement of clinical deterioration in 62%, neurological manifestations in 47% and development in 37%. CONCLUSION: The number of treatable IDs identified by our literature review increased by more than one-third in eight years. Although there has been much attention to gene-based and enzyme replacement therapy, the majority of effective treatments are nutritional, which are relatively affordable, widely available and (often) surprisingly effective. We present a diagnostic algorithm (adjustable to local resources and expertise) and the updated App to facilitate a swift and accurate workup, prioritizing treatable IDs. Our digital tool is freely available as Native and Web App (www.treatable-id.org) with several novel features. Our Treatable ID endeavor contributes to the Treatabolome and International Rare Diseases Research Consortium goals, enabling clinicians to deliver rapid evidence-based interventions to our rare disease patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0250,015
Études des sciences et des technologies0,0010,001
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations116
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrphanet Journal of Rare DiseasesMême sujetGenomics and Rare DiseasesTravaux en français237 207