MétaCan
Menu
Retour à la cohorte
Enregistrement W4377108187 · doi:10.1016/j.gimo.2023.100817

GenIDA, a participatory patient registry for genetic forms of intellectual disability provides detailed caregiver-reported information on 237 individuals with Koolen-de Vries syndrome

2023· article· en· W4377108187 sur OpenAlexaff
Florent Colin, Pauline Burger, Timothée Mazzucotelli, Axelle Strehle, Joost Kummeling, Nicole Collot, Elyette Broly, Angela T. Morgan, Kenneth A. Myers, Agnès Bloch‐Zupan, Charlotte W. Ockeloen, Bert B.A. de Vries, Tjitske Kleefstra, Pierre Parrend, David A. Koolen, Jean‐Louis Mandel

Notice bibliographique

RevueGenetics in Medicine Open · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenomics and Rare Diseases
Établissements canadiensMcGill UniversityMcGill University Health CentreMontreal Children's Hospital
Organismes subventionnairesUniversité de StrasbourgFondation Jérôme Lejeune
Mots-clésIntellectual disabilityCitizen journalismGerontologyPsychologyMedicineSociologyPsychiatryComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Purpose GenIDA is an international patient registry for individuals diagnosed with intellectual disability, autism spectrum disorder, and/or epilepsy, which is based on an online questionnaire that is completed by parent caregivers. In this study, the GenIDA data on Koolen-de Vries syndrome (KdVS) was analyzed illustrating the value of GenIDA and patient/caregiver participation in rare genetic neurodevelopmental disorders (NDDs). Methods Recruitment was done on the GenIDA website from November 2016 to February 2022. Clinical information on individuals with KdVS was extracted for in-depth analysis and for comparison with the GenIDA data of individuals diagnosed with other NDDs. Results A total of 1417 patients/caregivers across 35 genetic conditions answered to the GenIDA questionnaire, including caregivers of 237 individuals with KdVS. GenIDA findings on KdVS were consistent with the existing literature, and there were no significant differences between individuals with a 17q21.31 microdeletion and those with a pathogenic variant in the KANSL1 gene. GenIDA provided detailed clinical information including features that are over-represented in KdVS compared with other NDDs (eg, laryngomalacia). Modeling of the natural history showed a positive development of speech and language over time and relatively good reading ability in KdVS. Valproate and oxcarbazepine were reported as effective antiepileptic drugs, and responses to open-ended questions indicated that childhood recurrent pneumonia and asthma are clinically relevant comorbidities that were not described in KdVS before. Conclusion GenIDA is a powerful registry to collect and harness valuable data on rare NDDs. The study shows that caregiver-driven data collection is effective in terms of global recruitment and centralization of clinical data.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,032
Tête enseignante GPT0,304
Écart entre enseignants0,273 · 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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenetics in Medicine OpenMême sujetGenomics and Rare DiseasesTravaux en français237 207