MétaCan
Menu
Retour à la cohorte
Enregistrement W4220708625 · doi:10.1186/s12883-022-02595-4

An integrated modelling methodology for estimating global incidence and prevalence of hereditary spastic paraplegia subtypes SPG4, SPG7, SPG11, and SPG15

2022· article· en· W4220708625 sur OpenAlexaff
Geert Vander Stichele, Alexandra Dürr, Grace Yoon, Rebecca Schüle, Craig Blackstone, Giovanni Esposito, Connor Buffel, Igor Henrique Rodrigues Oliveira, Christian Freitag, Stephane van Rooijen, Stéphanie Hoffmann, Leen Thielemans, Belinda S. Cowling

Notice bibliographique

RevueBMC Neurology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHereditary Neurological Disorders
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésEpidemiologyMedicineIncidence (geometry)Genetic epidemiologyHereditary spastic paraplegiaMendelian inheritancePedigree chartDiseasePublic healthMolecular epidemiologyGeneticsDemographyGenotypePathologyBiologyGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hereditary spastic paraplegias (HSPs) are progressively debilitating neurodegenerative disorders that follow heterogenous patterns of Mendelian inheritance. Available epidemiological evidence provides limited incidence and prevalence data, especially at the genetic subtype level, preventing a realistic estimation of the true social burden of the disease. The objectives of this study were to (1) review the literature on epidemiology of HSPs; and (2) develop an epidemiological model of the prevalence of HSP, focusing on four common HSP genetic subtypes at the country and region-level. METHODS: A model was constructed estimating the incidence at birth, survival, and prevalence of four genetic subtypes of HSP based on the most appropriate published literature. The key model parameters were assessed by HSP clinical experts, who provided feedback on the validity of assumptions. A model was then finalized and validated through comparison of outputs against available evidence. The global, regional, and national prevalence and patient pool were calculated per geographic region and per genetic subtype. RESULTS: The HSP global prevalence was estimated to be 3.6 per 100,000 for all HSP forms, whilst the estimated global prevalence per genetic subtype was 0.90 (SPG4), 0.22 (SPG7), 0.34 (SPG11), and 0.13 (SPG15), respectively. This equates to an estimated 3365 (SPG4) and 872 (SPG11) symptomatic patients, respectively, in the USA. CONCLUSIONS: This is the first epidemiological model of HSP prevalence at the genetic subtype-level reported at multiple geographic levels. This study offers additional data to better capture the burden of illness due to mutations in common genes causing HSP, that can inform public health policy and healthcare service planning, especially in regions with higher estimated prevalence of HSP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,334
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC NeurologyMême sujetHereditary Neurological DisordersTravaux en français237 207