Polymorphisms of genes involved in lipid metabolism and risk of chronic kidney disease in Japanese - cross-sectional data from the J-MICC study
Notice bibliographique
Résumé
BACKGROUND: Chronic kidney disease (CKD) is known to be one of the causes of cardiovascular disease and end-stage renal disease. Among the several treatable risk factors of CKD, that of dyslipidemia is relatively controversial. To clarify the association of polymorphisms in genes involved in lipid metabolism with the risk of CKD in the Japanese population, we used cross-sectional data from the Japan Multi-Institutional Collaborative Cohort (J-MICC) Study. METHODS: A total of 3,268 men and women, aged 35-69 years, were selected from J-MICC Study participants for inclusion in this study. Twenty-eight candidate single nucleotide polymorphisms (SNPs) were selected in 17 genes associated with the risk of lipid metabolism disorders, and genotyping of the subjects was conducted using the multiplex PCR-based invader assay. The prevalence of CKD was determined for stages 3-5 (defined as estimated glomerular filtration rate <60 ml/min/1.73 m2). RESULTS: Logistic regression analysis revealed that SNPs APOA5 T - 1131C (rs662799), APOA5 T1259C (rs2266788), TOMM40 A/G (rs157580), and CETP TaqIB (rs708272) were significantly associated with CKD risk in those individuals genotyped, with age- and sex-adjusted odds ratios (ORs) per minor allele (and 95% confidence intervals (CIs)) of OR 1.22 (95% CI: 1.06-1.39), 1.19 (1.03-1.37), 1.27 (1.12-1.45), and 0.81 (0.71-0.92), respectively. Analysis of the gene-environment interaction revealed that body mass index (BMI) was a significant effect modifier for APOA5 T - 1131C (rs662799) and a marginally significant effect modifier for APOA5 T/C (rs2266788), with the interaction between BMI ≥30 and individuals with at least one minor allele of each genotype of OR 10.43 (95% CI: 1.29-84.19) and 3.36 (0.87-13.01), respectively. CONCLUSIONS: Four polymorphisms in APOA5, TOMM40, and CETP were shown to be significantly associated with CKD risk, and a significant interaction between the two APOA5 SNPs and BMI on CKD risk was also demonstrated. This suggests the future possibility of personalized risk estimation for this life-limiting disease.
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) | 0,000 | 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) | 0,000 | 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 ».