Associations of<i>CYP2A6</i>genotype with smoking behaviors in southern China
Notice bibliographique
Résumé
AIMS: To investigate the association of CYP2A6 genetic polymorphisms with smoking-related phenotypes in Chinese smokers. DESIGN: Case-only genetic association study. SETTING: Southern China. PARTICIPANTS: A total of 1328 Han Chinese smokers who participated in a community-based chronic disease screening project in Guangzhou and Zhuhai from 2006 to 2007. MEASUREMENTS: All participants answered a structured questionnaire about socio-demographic status and smoking behaviors and informative alleles were genotyped for the cytochrome P450 2A6 (CYP2A6) gene (CYP2A6*4,*5,*7,*9 and *10). FINDINGS: The frequencies of CYP2A6*4, *5, *7, *9 and *10 alleles were 8.5, 1.2, 6.3, 13.5 and 2.4%, which corresponded to 48.9, 15.4, 24.2 and 11.5% of participants being classified as normal, intermediate, slow and poor metabolizers, respectively. Multivariate analyses in male smokers demonstrated that compared with normal metabolizers, poor metabolizers reported smoking fewer cigarettes per day [adjusted odds ratio (OR) = 0.49; 95% confidence interval (CI): 0.32-0.76], started smoking regularly later in life (adjusted OR = 1.55; 95% CI: 1.06-2.26) and, among former smokers, reported smoking for a shorter duration prior to quitting (adjusted OR = 0.33; 95% CI: 0.12-0.94). However, poor metabolizers were less likely to quit smoking and remain abstinent than normal metabolizers (adjusted OR = 0.54; 95% CI: 0.34-0.86). CONCLUSIONS: Reduced metabolism function of cytochrome P450 2A6 in smokers appears to be associated with fewer cigarettes smoked, later initiation of smoking regularly, shorter smoking duration and lower likelihood of smoking cessation.
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) | 0,000 | 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 | 0,001 |
| 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 ».