Flow cytometry optimizing the diagnostic approach in inborn errors of immunity: experience from Egypt
Notice bibliographique
Résumé
BACKGROUND: Human inborn errors of immunity (IEI) are a group of inherited genetic disorders of the immune system. IEI Patients suffer from severe repeated infections, autoimmunity, lymphadenopathy and/or increased susceptibility to malignancies. IEI are due to absence, disproportion, or loss of function of immune cells; mostly inherited in autosomal recessive manner, hence are more common in countries with high rate of consanguinity. Definite diagnosis of IEI is achieved by genetic analysis, however it is not always available. AIM: to report on different IEI categories and impact of expanding the use of flow cytometry (FCM) in diagnosis, categorization and follow up of IEI patients in a highly consanguineous population. METHODS: Retrospective chart review on different IEI categories diagnosed at the primary immunodeficiency center in Cairo University Specialized Pediatric hospital from 2011 to 2021 based on expanding the use of FCM. RESULTS: 1510 IEI patients were diagnosed; 480 were diagnosed genetically with FMF, 11 with cystic fibrosis and 1019 patients were diagnosed with other IEI disorders. Phagocytic defects were the commonest (30%) followed by severe combined immunodeficiency (22%) and combined immunodeficiency (18.3%). FCM testing properly diagnosed and categorized 73% of the cases. CONCLUSION: Using multi-color FCM to evaluate immune cells populations, subpopulations, functions, and intracellular proteins expression is proved a useful cost-effective method for screening, categorization and follow up of IEI patients. FCM can improve the diagnosis of IEI significantly when tests are properly targeted and well designed. This study presents a 10-year experience in diagnosis of IEI using FCM at a tertiary referral center in a setting of limited resources and yet high prevalence of IEI.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».