MétaCan
Menu
Retour à la cohorte
Enregistrement W4365443172 · doi:10.1148/rg.220067

Skeletal Dysplasia Families: A Stepwise Approach to Diagnosis

2023· article· en· W4365443172 sur OpenAlexfundno aff
Atsuhiko Handa, Giedré Grigelioniené, Gen Nishimura

Notice bibliographique

RevueRadiographics · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueConnective tissue disorders research
Établissements canadiensnon disponible
Organismes subventionnairesKarolinska InstitutetRare Disease Foundation
Mots-clésAchondroplasiaMedicineDysplasiaChondrodysplasia punctataGenetic disorderGenetic counselingOsteogenesis imperfectaSkeletal disorderBioinformaticsPathologyPediatricsGeneticsDiseaseOsteoporosisBiology

Résumé

récupéré en direct d'OpenAlex

Skeletal dysplasias are a heterogeneous collection of genetic disorders characterized by bone and cartilage abnormalities, and they encompass over 400 disorders. These disorders are rare individually, but collectively they are common (approximate incidence of one in 5000 births). Radiologists occasionally encounter skeletal dysplasias in daily practice. In the 1980s, Professor Juergen Spranger proposed a concept suitable for the diagnosis of skeletal dysplasias termed bone dysplasia families. He stated that (a) different bone dysplasias that share a similar skeletal pattern can be grouped into a “family,” (b) the final diagnosis is feasible through the provisional recognition of a pattern followed by a more careful analysis, and (c) families of bone dysplasias may be the result of similar pathogenetic mechanisms. The prototypes of bone dysplasia families include dysostosis multiplex family, achondroplasia family, spondyloepiphyseal dysplasia congenita family, and Larsen syndrome–otopalatodigital syndrome family. Since Spranger’s proposal, the concept of bone dysplasia families, along with advancing genetic techniques, has been validated and further expanded. Today, this molecularly proven concept enables a simple stepwise approach to be applied to the radiologic diagnosis of skeletal dysplasias. The first step is the categorization of a given case into a family based on pattern recognition, and the second step is more meticulous observation, such as identification of different severities of the same pattern or subtle but distinctive findings. Since major skeletal dysplasias are limited in number, radiologists can be familiar with the representative patterns of these disorders. The authors describe a stepwise radiologic approach to diagnosing major skeletal dysplasia families and review the clinical and genetic features of these disorders. Published under a CC BY 4.0 license. Quiz questions for this article are available through the Online Learning Center. Online supplemental material and the slide presentation from the RSNA Annual Meeting are available for this article.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,020
Tête enseignante GPT0,290
Écart entre enseignants0,270 · 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.

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

Citations32
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetConnective tissue disorders researchTravaux en français237 207