MétaCan
Menu
Retour à la cohorte
Enregistrement W2001674204 · doi:10.1136/jech-2014-205217.7

ADIPOSITY SIGNIFICANTLY MODIFIES GENETIC RISK FOR DYSLIPIDEMIA

2014· article· en· W2001674204 sur OpenAlexaff
C. B. Cole, Majid Nikpay, Paulina Lau, RW Davies, G. Wells, Robert Dent, Ruth McPherson

Notice bibliographique

RevueJournal of Epidemiology & Community Health · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMedicineStimulationPolysomnographyAnesthesiaSleep (system call)AirwayApneaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background The Global Lipids Genetics Consortium identified 95 common loci that explained 12.2% (LDL-C), 12.1% (HDL-C) and 9.6% (triglycerides [TG]) of total variance in plasma lipid traits in the Framingham Heart Study. Since adiposity is associated with plasma levels of TG and HDL-C, we hypothesized that the predictive value of common risk variants for these lipid traits would differ for obese versus lean subjects. Methods The study population consisted of two independent cohorts of subjects of European de-scent, genotyped on the Affymetrix 6.0 array with 1000G imputation. 1) OBLE: 959 obese/869 lean. 2) CC (healthy elderly subjects recruited as con-trols for a CAD study) 830 obese/1,044 lean. A genetic predisposition score was calculated for each individual as a sum across SNPs of the number of risk alleles at that SNP multiplied by the effect size of the SNP. Results In the OBLE cohort, a genetic risk score explained a greater percentage of the total TG variance in obese vs lean (beta GRS=0.154 mmol/L (p<2e-16) vs 0.094 mmol/L (p=5.8e-10); adjusted R2=0.090 vs 0.042), a finding that was replicated in the CC cohort for obese vs lean (beta GRS=0.153 mmol/L (p=1.5e-7) vs 0.102 mmol/L (p=4.2e-6); adjusted R2=0.044 vs 0.024). A similar but less significant trend was noted for LDL-C. In addition, the genetic risk score predicted variability in TG better than sex/age for obese subjects. In contrast a genetic risk score for HDL-C was a better predictor of this trait in lean versus obese subjects in both the OBLE and CC cohorts. Genetic risk scores for each lipid trait showed no association with BMI (P>0.2) indicating that the above findings are not due to possible overlap between genetic loci for BMI and lipid traits. Conclusions Genetic predisposition to elevated plasma triglycerides and LDL-C and low HDL-C is highly sensitive to extremes of BMI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,419
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Epidemiology & Community HealthMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207