When it's not Glanzmann thrombasthenia or Bernard-Soulier syndrome: diagnosing other qualitative platelet disorders
Notice bibliographique
Résumé
Inherited and acquired disorders that qualitatively impair platelet function represent important and commonly encountered conditions. While some rare, well-characterized conditions (eg, Glanzmann thrombasthenia and Bernard-Soulier syndrome) have pathognomonic findings and glycoprotein deficiencies, the more commonly encountered platelet function disorders are much more heterogeneous and challenging to diagnose. Qualitative platelet disorders typically present with mild to moderate, mucocutaneous, and challenge-related bleeding, particularly for hemostatic challenges prior to diagnosis. Diagnostic tests should assess platelet counts and size; platelet morphology by light microscopy; platelet function in aggregation assays (a "gold standard" test for qualitative platelet disorders); platelet-dense granule numbers, granule contents, and/or release; and, less commonly, platelet glycoproteins, procoagulant function, α-granule release, or ultrastructure. Genetic tests can be helpful, but the chances of finding a diagnostic, disease-causing, pathogenic mutation with a platelet disorder genetic test panel is much lower if there is not an a priori suspected cause and/or inherited thrombocytopenia. Commonly, the diagnosis of a qualitative platelet disorder is made after confirming impaired platelet aggregation responses to multiple agonists, with a pattern that excludes rare disorders (eg, Glanzmann thrombasthenia and Bernard-Soulier syndrome), and/or platelet-dense granule deficiency; both findings are highly predictive of a bleeding disorder. To communicate and discuss diagnostic test findings with patients and optimize care, it is also important to have knowledge of the bleeding risks for qualitative platelet disorders and their typical responses to therapies.
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) | 0,001 | 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) | 0,001 | 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 ».