Clinical genetic testing in Parkinson’s disease: meta-analysis of diagnostic yield across sequencing technologies and global regions
Notice bibliographique
Résumé
Abstract Background Parkinson’s disease (PD) is a genetically heterogeneous neurodegenerative disorder. While monogenic forms are well-characterized, the diagnostic utility of next-generation sequencing (NGS) in PD remains unclear. This meta-analysis aimed to evaluate the diagnostic yield of NGS technologies, including whole exome sequencing (WES), targeted gene panels (TGP), and multiplex ligation-dependent probe amplification (MLPA), in identifying pathogenic/likely pathogenic (P/LP) variants in PD and to explore global disparities in access to genetic testing. Methods A systematic search was conducted across PubMed, Scopus, and Google Scholar using relevant MeSH terms and keywords. Studies published in English up to April 2024 were considered. Clinical studies using NGS or MLPA to assess genetic variants in PD patients were included. Data was extracted from 13 eligible studies involving 4,712 individuals with familial, sporadic, early-onset parkinson’s disease (EOPD), or late-onset parkinson’s disease (LOPD). Quality assessment was performed using the Newcastle–Ottawa Scale (NOS). Random-effects meta-analysis was applied to estimate diagnostic yields, assess heterogeneity (I²), and evaluate publication bias using Egger’s test. Results The overall diagnostic yield was 12% (95% confidence interval (CI, 0.07–0.19). Yields varied by genomic technology: 21% for WES, 9% for TGP, and 5% for MLPA. Familial PD had a higher diagnostic yield (19%) than sporadic PD (5%), and EOPD showed higher yield (13%) compared to LOPD (11%). Frequently detected pathogenic/likely pathogenic variants occurred in GBA (39%), PRKN (28%), and LRRK2 (16%) genes. Notable heterogeneity was observed across studies (I² = 97.9%). Global analysis showed unequal access to genetic testing, with higher adoption in high inequality-adjusted human development index (IHDI) countries. Conclusions Genomic technologies, especially WES, provide meaningful diagnostic insights in PD, particularly in familial and early-onset cases. However, significant disparities exist in global adoption, highlighting a need for broader access and standardized protocols. These findings underscore the importance of integrating genetic screening into routine clinical practice and expanding research efforts in underrepresented populations to advance precision medicine in PD.
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 | 0,045 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,065 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».