Laboratory performance of genome-wide cfDNA for copy number variants as compared to prenatal microarray
Notice bibliographique
Résumé
BACKGROUND: Noninvasive prenatal testing (NIPT) allows for screening of fetal aneuploidy and copy number variants (CNVs) from cell-free DNA (cfDNA) in maternal plasma. Professional societies have not yet embraced NIPT for fetal CNVs, citing a need for additional performance data. A clinically available genome-wide cfDNA test screens for fetal aneuploidy and CNVs larger than 7 megabases (Mb). RESULTS: This study reviews 701 pregnancies with "high risk" indications for fetal aneuploidy which underwent both genome-wide cfDNA and prenatal microarray. For aneuploidies and CNVs considered 'in-scope' for the cfDNA test (CNVs ≥ 7 Mb and select microdeletions), sensitivity and specificity was 93.8% and 97.3% respectively, with positive and negative predictive values of 63.8% and 99.7% as compared to microarray. When including 'out-of-scope' CNVs on array as false negatives, the sensitivity of cfDNA falls to 48.3%. If only pathogenic out-of-scope CNVs are treated as false negatives, the sensitivity is 63.8%. Of the out-of-scope CNVs identified by array smaller than 7 Mb, 50% were classified as variants of uncertain significance (VUS), with an overall VUS rate in the study of 2.29%. CONCLUSIONS: While microarray provides the most robust assessment of fetal CNVs, this study suggests that genome-wide cfDNA can reliably screen for large CNVs in a high-risk cohort. Informed consent and adequate pretest counseling are essential to ensuring patients understand the benefits and limitations of all prenatal testing and screening options.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».