Charcot–Marie–Tooth Disease and Hearing Loss: A Systematic Review With Meta-Analysis
Notice bibliographique
Résumé
OBJECTIVE: To characterize the pattern of hearing loss in Charcot-Marie-Tooth (CMT) disease to help guide clinical management. DATABASES REVIEWED: CINAHL, PubMed, and Scopus. METHODS: Two independent investigators selected studies on CMT patients with pure-tone average (PTA) and auditory brainstem response (ABR) data. Case reports, case series <5 patients, and data that overlapped with another study were excluded. Investigators performed data extraction, quality rating, and risk-of-bias assessment using the Newcastle-Ottawa Scale. Meta-analysis of mean difference using fixed/random effects models was used. Also, data were analyzed using a weighted one-way analysis of variance, with post-hoc Tukey's test for comparison. RESULTS: Ultimately, 6 prospective studies (N = 197) were included. The most common demyelinating subtype (CMT1A) had significantly prolonged ABR latency values across wave III (0.20 ms, 95% confidence interval [CI]: 0.05-0.35), wave V (0.20 ms, 95% CI: 0.01-0.39), waves I-III (0.20 ms, 95% CI: 0.01-0.39), and waves I-V (0.20 ms, 95% CI: 0.01-0.39) when compared to matched controls. The autosomal recessive demyelinating subtype (CMT4C) had significantly worse PTA when compared to the most common subtype (CMT1A) (Δ 28.93 dB, 95% CI 18.34-39.52) and nondemyelinating subtype (CMT2A) (Δ 28.3 dB, 95% CI: 15.98-40.62). CONCLUSIONS: Patients with CMT can present with a variety of phenotypes depending on the causative mutation. The ABR interpeak latency values for the most common demyelinating form of CMT are delayed when compared to matched controls. Most subtypes have normal hearing thresholds, apart from CMT4C, which presents with mild hearing loss on average.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».