Nanopore long-read sequencing for the critically ill facilitates ultrarapid diagnostics and urgent clinical decision making
Notice bibliographique
Résumé
Critically ill pediatric patients often have genetic disorders requiring a rapid diagnosis to guide urgent care decisions. Standard genetic testing typically takes weeks and requires multiple tests. Nanopore long-read genome sequencing (LR-GS) delivers genome-wide results within days as a one-test-fits-all solution. As one of the first centers in Europe, we implement ultrarapid LR-GS for critically ill patients. We enrolled 26 critically ill patients (median age 2 months) suspected of having a genetic disorder at the intensive care unit to perform (ultra)rapid nanopore LR-GS alongside standard genomic care. We compared diagnostic yield, turnaround time (TAT), and evaluated the impact on clinical decision making. In 11/26 cases a genetic diagnosis was made with (ultra)rapid LR-GS. From sample receipt to result, the average TAT was 5.3 days (range 2.0-10.8) for LR-GS and 18.4 days (range 6.1-29.1) for standard genomic care. DNA methylation analysis from LR-GS expedited the diagnosis in 3/26 cases. In 7/11 solved cases ultrarapid LR-GS led to immediate adjustments in patient care, e.g., medication switch or termination of treatment. Our findings underscore the clinical impact of ultrarapid LR-GS, including added value of methylation analysis, for critically ill patients and highlight existing challenges, paving the way to ultrarapid LR-GS integration into standard diagnostics.
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 | 0,002 |
| 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 ».