Prevalence of Mutations in Mendelian Stroke Genes in Early Onset Stroke Patients
Notice bibliographique
Résumé
OBJECTIVE: Heritability of stroke is assumed not to be low, especially in the young stroke population. However, most genetic studies have been performed in highly selected patients with typical clinical or neuroimaging characteristics. We investigated the prevalence of 15 Mendelian stroke genes and explored the relationships between variants and the clinical and neuroimaging characteristics in a large, unselected, young stroke population. METHODS: We enrolled patients aged ≤55 years with stroke or transient ischemic attack from a prospective, nationwide, multicenter stroke registry. We identified clinically relevant genetic variants (CRGVs) in 15 Mendelian stroke genes (GLA, NOTCH3, HTRA1, RNF213, ACVRL1, ENG, CBS, TREX1, ABCC6, COL4A1, FBN1, NF1, COL3A1, MT-TL1, and APP) using a customized, targeted next generation sequencing panel. RESULTS: Among 1,033 patients, 131 (12.7%) had 28 CRGVs, most frequently in RNF213 (n = 59), followed by ABCC6 (n = 53) and NOTCH3 (n = 15). The frequency of CRGVs differed by ischemic stroke subtypes (p < 0.01): the highest in other determined etiology (20.1%), followed by large artery atherosclerosis (13.6%). It also differed between patients aged ≤35 years and those aged 51 to 55 years (17.1% vs 9.3%, p = 0.02). Only 27.1% and 26.7% of patients with RNF213 and NOTCH3 variants had typical neuroimaging features of the corresponding disorders, respectively. Variants of uncertain significance (VUSs) were found in 15.4% patients. INTERPRETATION: CRGVs in 15 Mendelian stroke genes may not be uncommon in the young stroke population. The majority of patients with CRGVs did not have typical features of the corresponding monogenic disorders. Clinical implications of having CRGVs or VUSs should be explored. ANN NEUROL 2023;93:768-782.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».