MétaCan
Menu
Retour à la cohorte
Enregistrement W4386529895 · doi:10.1161/jaha.123.029340

A Multicenter Analysis of Abnormal Chromosomal Microarray Findings in Congenital Heart Disease

2023· article· en· W4386529895 sur OpenAlexaff
Benjamin J. Landis, Lindsey R. Helvaty, Gabrielle C. Geddes, Jiuann‐Huey Lin, Svetlana A. Yatsenko, Cecilia Lo, William L. Border, Stephanie Burns Wechsler, Chaya N. Murali, Mahshid S. Azamian, Seema R. Lalani, Robert B. Hinton, Vidu Garg, Kim L. McBride, Jennelle C. Hodge, Stephanie M. Ware

Notice bibliographique

RevueJournal of the American Heart Association · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCongenital heart defects research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésDiseaseMicroarray analysis techniquesHeart diseaseMedicineCardiologyInternal medicineGeneticsBiologyGene

Résumé

récupéré en direct d'OpenAlex

Background Chromosomal microarray analysis (CMA) provides an opportunity to understand genetic causes of congenital heart disease (CHD). The methods for describing cardiac phenotypes in patients with CMA abnormalities have been inconsistent, which may complicate clinical interpretation of abnormal testing results and hinder a more complete understanding of genotype–phenotype relationships. Methods and Results Patients with CHD and abnormal clinical CMA were accrued from 9 pediatric cardiac centers. Highly detailed cardiac phenotypes were systematically classified and analyzed for their association with CMA abnormality. Hierarchical classification of each patient into 1 CHD category facilitated broad analyses. Inclusive classification allowing multiple CHD types per patient provided sensitive descriptions. In 1363 registry patients, 28% had genomic disorders with well‐recognized CHD association, 67% had clinically reported copy number variants (CNVs) with rare or no prior CHD association, and 5% had regions of homozygosity without CNV. Hierarchical classification identified expected CHD categories in genomic disorders, as well as uncharacteristic CHDs. Inclusive phenotyping provided sensitive descriptions of patients with multiple CHD types, which occurred commonly. Among CNVs with rare or no prior CHD association, submicroscopic CNVs were enriched for more complex types of CHD compared with large CNVs. The submicroscopic CNVs that contained a curated CHD gene were enriched for left ventricular obstruction or septal defects, whereas CNVs containing a single gene were enriched for conotruncal defects. Neuronal‐related pathways were over‐represented in single‐gene CNVs, including top candidate causative genes NRXN3 , ADCY2 , and HCN1 . Conclusions Intensive cardiac phenotyping in multisite registry data identifies genotype–phenotype associations in CHD patients with abnormal CMA.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,291
Écart entre enseignants0,282 · 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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Heart AssociationMême sujetCongenital heart defects researchTravaux en français237 207