MétaCan
Menu
Retour à la cohorte
Enregistrement W4378639838 · doi:10.1080/13816810.2023.2212757

Very Large Cystoid Macular Lesions Identified Using Outlier Analysis of Genetically Confirmed Inherited Retinal Disease Cases

2023· article· en· W4378639838 sur OpenAlexfundno aff
Bani Antonio‐Aguirre, Carlthan Ling, Mandeep S. Singh

Notice bibliographique

RevueOphthalmic Genetics · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRetinal Development and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesFoundation Fighting Blindness
Mots-clésABCA4Interquartile rangeMedicineOphthalmologyStargardt diseaseRetinalInternal medicinePhenotypeGeneticsBiologyGene

Résumé

récupéré en direct d'OpenAlex

Background: Cystoid macular lesions (CML) in inherited retinal diseases (IRDs) can contribute to vision impairment.Studying the morphologic range and outlier presentations of CML may inform clinical associations, mechanistic research, and trial design.Thus, we aim to describe the distribution of optical coherence tomography (OCT) parameters in IRD cases with CML and identify phenotype-genotype associations in very large cystoid macular lesions (VLCML).Materials and methods: This cross-sectional study retrieved clinical information from electronic records from January 2020 to December 2021.VLCML cases were identified using the robust distance (Mahalanobis) of the correlation between central foveal thickness (CFT) and total macular volume (TMV) and a 99.9% probability ellipse.The distribution of OCT parameters was calculated by genotype and phenotype.Results: We included 173 eyes of 103 subjects.The median age was 55.9 (interquartile range [IQR], 37.9, 63.7) and 47.6% (49/103) were females.Patients had disease-causing mutations in 30 genes.The most common genes included USH2A (n = 18), RP1 (n = 12), and ABCA4 (n = 11).Robust distance analysis showed that the prevalence of VLCML was 1.94% (n = 2 patients, 4 eyes).VLCML was seen in cases of NR2E3 (119-2A>C) and BEST1 (1120_1121insG) mutations.The median CFT in cases without VLCML was 269 µm (IQR 209, 318.50) while the median for VLCML cases was 1,490 µm (IQR 1,445.50,1,548.00)(P < .001).Conclusions: Subjects with different IRD genotypes may develop VLCMLs.Future studies could consider the range and outlier values of CML foveal thickness when determining inclusion criteria and biostatistical plans for observational and interventional studies.

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)0,003
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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,035
Tête enseignante GPT0,311
Écart entre enseignants0,276 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOphthalmic GeneticsMême sujetRetinal Development and DisordersTravaux en français237 207