P.058 Neuromuscular neurologists’ experience in recognizing, diagnosing, and treating Long-chain fatty acid disorders (LC-FAOD): a national survey
Notice bibliographique
Résumé
Background: LC-FAOD may be missed in neuromuscular (NM) clinics due to its rarity and absence from common NM genetic panels. The Canadian Neuromuscular Disease Registry (CNDR) collects real-world patient data and includes a network of clinician-investigators. Our objective was to inform future registry work by evaluating diagnosis pathways for LC-FAOD patients and estimating the number followed at Canadian NM clinics. Methods: A questionnaire was developed with an expert committee and circulated to 111 CNDR-affiliated NM neurologists. Results: 12 neurologists in 5 provinces, primarily adult-treating (n=8) completed the survey (10.8% response rate). Eleven (91.7%) practiced for >10 years. Agreement trends existed between definition of, and tests to evaluate, rhabdomyolysis. Four clinics routinely follow LC-FAOD patients. In the last 1-2 years, respondents diagnosed approximately 91 patients with LC-FAOD (mean=7.5 per clinic). 83.3% never received continuing education on LC-FAOD, though 75% indicated interest in expert-led webinars. Further data will be presented. Conclusions: Low sample size limits conclusions about LC-FAOD clinical trends. Results suggest LC-FAOD may be under-diagnosed or not routinely followed by NM specialists, limiting viability of an LC-FAOD registry. Practitioners may be interested in LC-FAOD-specific education. Future work could include collaboration with metabolic geneticists on education initiatives to raise awareness and improve care for these patients.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».