MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307523479 · doi:10.1101/2022.10.19.22281191

Natural history of epilepsy in argininosuccinic aciduria provides new insights into pathophysiology

2022· preprint· en· W4307523479 sur OpenAlexafffundabout
Nour Elkhateeb, Giorgia Olivieri, Barbara Siri, Karolina M. Stępień, Reena Sharma, Andrew A. M. Morris, Thomas Hartley, Laura Crowther, Stephanie Grünewald, Maureen Cleary, Helen Mundy, Anupam Chakrapani, Robin Lachmann, Elaine Murphy, Saikat Santra, Mari‐Liis Uudelepp, Mildrid Yeo, Alicia Chan, Philippa B. Mills, Debora Ridout, Paul Gissen, Carlo Dionisi‐Vici, Julien Baruteau

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism and Genetic Disorders
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMedical Research CouncilGreat Ormond Street Hospital for ChildrenNational Institute for Health and Care ResearchUniversity of AlbertaOspedale Pediatrico Bambino Gesù
Mots-clésEpilepsyUrea cycleArgininosuccinate lyasePediatricsMedicineValproic AcidPathophysiologyInternal medicineArgininePsychiatryBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Introduction Argininosuccinate lyase is integral to the urea cycle, which enables nitrogen waste and biosynthesis of arginine, a precursor of nitric oxide. Inherited argininosuccinate lyase deficiency causes argininosuccinic aciduria, the second most common urea cycle defect and an inherited model of systemic nitric oxide deficiency. Patients present with developmental delay, epilepsy and movement disorder. Here we aim to characterise epilepsy, a common and neurodebilitating complication in argininosuccinic aciduria. Patients and Methods We conducted a retrospective study in seven tertiary metabolic centres in the UK, Italy and Canada from 2020 to 2022 to assess the phenotype of epilepsy in ASA and correlate it with clinical, biochemical, radiological and electroencephalographic data. Results Thirty-seven patients aged 1 to 31 years old were included. Twenty-two (60%) patients presented epilepsy. Median age at epilepsy-onset was 24 months. Generalized tonic clonic and focal seizures were most common in early-onset patients whilst atypical absences were predominant in late-onset patients. Seventeen patients (77%) required antiseizure medications and 6 (27%) had partially controlled or refractory epilepsy. Epileptic patients presented with a severe neurodebilitating disease with higher rates of speech delay ( p =0.04) and autism spectrum disorders ( p =0.01) and more frequent arginine supplementation ( p =0.01) compared to non-epileptic patients. Neonatal seizures were not associated with a higher risk of developing epilepsy. Biomarkers of ureagenesis did not differ between epileptic and non-epileptic patients. Epilepsy-onset in early infancy ( p =0.05) and electroencephalographic background asymmetry ( p =0.0007) were significant predictors of partially controlled or refractory epilepsy. Conclusions Epilepsy in argininosuccinic aciduria is frequent, polymorphic, associated with more frequent neurodevelopmental complications. We identified prognostic factors for pharmacoresistance in epilepsy. This study does not support defective ureagenesis as prominent in the pathophysiology of epilepsy but suggests roles of arginine toxicity and central dopamine deficiency. Key Points Epilepsy in ASA is frequent, polymorphic, occurring in early childhood and associated with a more severe neurodevelopmental phenotype. Early-onset epilepsy and electroencephalographic background asymmetry are prognostic for pharmaco-resistance of epilepsy in ASA. Hyperammonaemia is suggested not to be the primary pathophysiological mechanism for epileptogenesis in ASA. Central dopamine deficiency is suggested to have a role in pathophysiology of epilepsy in ASA. Arginine-related neurotoxicity is suggested to be associated with increased in frequency and severity of epilepsy in ASA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetMetabolism and Genetic Disorders→Travaux en français237 207→