Inherited Pediatric Neurotransmitter Disorders: Case Studies and Long-Term Outcomes
Notice bibliographique
Résumé
Abstract Primary pediatric neurotransmitter disorders include genetic defects of neurotransmitter metabolism that may mimic common neurological conditions in children. Our objective was to evaluate the clinical experience and outcomes of affected patients. Five patients with primary neurotransmitter defects were identified in the neurometabolic database between 2004 and 2022. Two patients with 6-pyruvoyltetrahydropterin synthase deficiency and one with pyridoxine-dependent epilepsy (PDE) presented in the neonatal period. One patient with succinic semialdehyde dehydrogenase (SSADH) deficiency and one with aromatic l-amino acid decarboxylase (AADC) deficiency presented in later life. A diagnosis of cerebral palsy was revised following biochemical confirmation of SSADH deficiency. AADC deficiency was confirmed via exome sequencing and reduced activity on enzyme assay. Late diagnosis in the latter two cases was likely due to a low index of suspicion and lack of access to diagnostic tests in the country of origin. In two children with tetrahydrobiopterin deficiency, newborn screening results and atypical clinical features prompted investigations. An early diagnosis of PDE was established based on presenting features, a high index of suspicion, the presence of an identifiable biochemical marker and molecular genetic testing. Pediatric neurotransmitter disorders can be diagnosed based on a high clinical index of suspicion, availability of biochemical markers, and molecular genetic testing. These disorders, though rare, need to be included in the differential diagnosis of common neurological presentations in children as they may be potentially treatable. Outcomes and influencing factors in the present series are discussed in comparison to published 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».