Monogenic conditions and central nervous system anomalies: A prospective study, systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Objectives Determine the incremental diagnostic yield of prenatal exome sequencing (pES) over chromosome microarray (CMA) or G‐banding karyotype in fetuses with central nervous system (CNS) abnormalities. Methods Data were collected via electronic searches from January 2010 to April 2022 in MEDLINE, Cochrane, Web of Science and EMBASE. The NHS England prenatal exome cohort was also included. Incremental yield was calculated as a pooled value using a random‐effects model. Results Thirty studies were included ( n = 1583 cases). The incremental yield with pES for any CNS anomaly was 32% [95%CI 27%–36%; I 2 = 72%]. Subgroup analysis revealed apparent incremental yields in; (a) isolated CNS anomalies; 27% [95%CI 19%–34%; I 2 = 74%]; (b) single CNS anomaly; 16% [95% CI 10%–23%; I 2 = 41%]; (c) more than one CNS anomaly; 31% [95% Cl 21%–40%; I 2 = 56%]; and (d) the anatomical subtype with the most optimal yield was Type 1 malformation of cortical development, related to abnormal cell proliferation or apoptosis, incorporating microcephalies, megalencephalies and dysplasia; 40% (22%–57%; I 2 = 68%). The commonest syndromes in isolated cases were Lissencephaly 3 and X‐linked hydrocephalus. Conclusions Prenatal exome sequencing provides a high incremental diagnostic yield in fetuses with CNS abnormalities with optimal yields in cases with multiple CNS anomalies, particularly those affecting the midline, posterior fossa and cortex.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».