Screening for patients with Gaucher's disease using routine pathology results: PATHFINDER (ferritin, alkaline phosphatase, platelets) study
Notice bibliographique
Résumé
AIMS: Lysosomal β-glucocerebrosidase A (GBA) deficiency causes Gaucher disease (GD), a recessive disorder caused by bi-allelic mutations in GBA. The prevalence of GD is associated with ethnicity but largely unknown and potentially underestimated in many countries. GD may manifest with organomegaly, bone involvement, and neurological symptoms as well as abnormal laboratory biomarkers. This study attempted to screen for GD in patients using abnormal platelet, alkaline phosphatase (ALP), and ferritin results from laboratory databases. METHODS: /L) and either elevated ALP (>130 iu/L) or ferritin [>150 (female) or >250 µg/L (male)]. The mean value over the screening window was used to reduce variability in results. A dried blood spot sample was collected for the determination of GBA activity in patients meeting these criteria. If low GBA activity was found, then the concentration of the GD-specific biomarker glucosyl-sphingosine (lyso-GB1) was assayed, and the GBA gene sequenced. RESULTS: Samples were obtained from 1058 patients; 232 patients had low GBA activity triggering further analysis. No new cases of GD with homozygosity for pathogenic variants were identified, but 12 patients (1%) were identified to be carriers of a pathogenic variant in GBA. CONCLUSIONS: Pathology databases hold routine information that can be used to screen for patients with inherited errors of metabolism. However, biochemical screening using mean platelets, ALP, and ferritin has a low yield for unidentified cases of GD.
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 | 0,003 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».