Systematic Confirmation Study of GWAS-Identified Genetic Variants for Kawasaki Disease in A Chinese Population
Notice bibliographique
Résumé
Genome-wide association studies (GWASs) have identified multiple single nucleotide polymorphisms (SNPs) associated with Kawasaki disease (KD). In this study, we replicated the associations of 10 GWAS-identified SNPs with KD in a Han Chinese population. Odds ratios (ORs) and 95% confidence intervals (CIs) were calculated by logistic regression, and cumulative effect of non-risk genotypes were also performed. Although none of the SNPs reached the corrected significance level, 4 SNPs showed nominal associations with KD risk. Compared with their respective wild type counterparts, rs1801274 AG+GG genotypes and rs3818298 TC+CC genotypes were nominally associated with the reduced risk of KD (OR = 0.77, 95% CI = 0.59-0.99, P = 0.045; OR = 0.74, 95% CI = 0.56-0.98, P = 0.038). Meanwhile, rs1801274 GG genotype, rs2736340 CC genotype or rs4813003 TT genotype showed a reduced risk trend (OR = 0.57, 95% CI = 0.35-0.93, P = 0.024; OR = 0.46, 95% CI = 0.26-0.83, P = 0.010; OR = 0.64, 95% CI = 0.43-0.94, P = 0.022), compared with rs1801274 AG+AA genotypes, rs2736340 CT+TT genotypes or rs4813003 TC+CC genotypes, respectively. Furthermore, a cumulative effect was observed with the ORs being gradually decreased with the increasing accumulative number of non-risk genotypes (Ptrend<0.001). In conclusion, our study suggests that 4 GWAS-identified SNPs, rs2736340, rs4813003, rs3818298 and rs1801274, were nominally associated with KD risk in a Han Chinese population individually and jointly.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».