Diverse clinical features and diagnostic delay in monogenic inborn errors of immunity: A call for access to genetic testing
Notice bibliographique
Résumé
BACKGROUND: Inborn errors of immunity (IEIs) are a group of conditions affecting immune system development and function. Due to their clinical heterogeneity and lack of provider awareness, patients suffer from long diagnostic delays that increase morbidity and mortality. Next-generation sequencing facilitates earlier diagnosis and treatment of IEIs, but too often patients are unable to see the benefit of this technology due to gaps in providers' knowledge regarding which patients to test and barriers to accessing sequencing. METHODS: Here, we provide detailed clinical phenotyping and describe the impact of genetic sequencing on a cohort of 43 patients with monogenic IEIs seen in a tertiary care center from 2014 to 2019. Data were abstracted from a chart review, and a panel of clinical immunologists were consulted on the impact of genetic sequencing on their patients. RESULTS: We found that our patients had significant diagnostic delays, averaging 3.3 years; had diverse manifestations of immune system dysfunction; and had demonstrated highly complex medical needs, with on average 7.9 subspecialties involved in their care and 4.9 hospitalizations prior to definitive treatment. Our results also demonstrate the benefits of genetic testing, as it provided the majority of our patients with a diagnosis, and positively impacted their treatment, follow-up, and prognosis. CONCLUSION: This paper expands the paucity of literature on genetically confirmed IEIs in North America and supports the expansion of access to genetic testing for patients with clinical features suggesting IEI, such as those presented in our cohort.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».