Time Is Brain: The Importance of an Accurate <i>SCN1A</i> Prediction Score in the Era of Precision Medicine
Notice bibliographique
Résumé
Development and Validation of a Prediction Model for Early Diagnosis of SCN1A-Related EpilepsiesBrunklaus A, Pérez-Palma E, Ghanty I, et al. Neurology. 2022;98(11):e1163-e1174. doi:10.1212/WNL.0000000000200028.Background and objectives:Pathogenic variants in the neuronal sodium channel α1-subunit gene (SCN1A) are the most frequent monogenic cause of epilepsy. Phenotypes comprise a wide clinical spectrum including the severe childhood epilepsy, Dravet syndrome, characterized by drug-resistant seizures, intellectual disability and high mortality, and the milder genetic epilepsy with febrile seizures plus (GEFS+), characterized by normal cognition. Early recognition of a child’s risk for developing Dravet syndrome versus GEFS+ is key for implementing disease-modifying therapies when available before cognitive impairment emerges. Our objective was to develop and validate a prediction model using clinical and genetic biomarkers for early diagnosis of SCN1A-related epilepsies.Methods:Retrospective multicenter cohort study comprising data from SCN1A-positive Dravet syndrome and GEFS+ patients consecutively referred for genetic testing (March 2001-June 2020) including age of seizure onset and a newly-developed SCN1A genetic score. A training cohort was used to develop multiple prediction models that were validated using two independent blinded cohorts. Primary outcome was the discriminative accuracy of the model predicting Dravet syndrome versus other GEFS+ phenotypes.Results:1018 participants were included. The frequency of Dravet syndrome was 616/743 (83%) in the training cohort, 147/203 (72%) in validation cohort 1 and 60/72 (83%) in validation cohort 2. A high SCN1A genetic score 133.4 (SD, 78.5) versus 52.0 (SD, 57.5; p < 0.001) and young age of onset 6.0 (SD, 3.0) months versus 14.8 (SD, 11.8; p < 0.001) months, were each associated with Dravet syndrome versus GEFS+. A combined “SCN1A genetic score and seizure onset” model separated Dravet syndrome from GEFS+ more effectively (area under the curve [AUC], 0.89 [95% CI, 0.86-0.92]) and outperformed all other models (AUC, 0.79-0.85; p < 0.001). Model performance was replicated in both validation cohorts 1 (AUC, 0.94 [95% CI, 0.91-0.97]) and 2 (AUC, 0.92 [95% CI, 0.82-1.00]).Discussion:The prediction model allows objective estimation at disease onset whether a child will develop Dravet syndrome versus GEFS+, assisting clinicians with prognostic counseling and decisions on early institution of precision therapies (http://scn1a-prediction-model.broadinstitute.org/).Classification of evidence:This study provides Class II evidence that a combined “SCN1A genetic score and seizure onset” model distinguishes Dravet syndrome from other GEFS+ phenotypes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,027 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».