Xenobiotic-Metabolizing Genes and Small-for-Gestational-Age Births
Notice bibliographique
Résumé
BACKGROUND: Little is known about the role of xenobiotic-metabolizing gene variants as risk factors for small-for-gestational-age (SGA) births or as modifiers for the effects of exposures such as maternal smoking. METHODS: We conducted 2 joint studies: a case-control design including 493 cases (birth weight below the 10th percentile according to gestational age and sex) and 472 controls (at or above the 10th percentile) and a family-based study (mother, father, and newborn) with approximately 250 case trios and a similar number of control trios. Logistic regression and a log-linear model were used to analyze the association between genetic variants such as CYP1A1*2A, CYP1A1*2B, CYP1A1*4, GSTT1, GSTM1, and XRCC3 and SGA. The interaction between genetic variants and maternal smoking was also studied. RESULTS: The odds ratio (OR) for the association of complete maternal GSTT1 deletion with SGA was 0.63 (95% confidence interval = 0.41-0.97), and that for the complete newborn GSTM1 deletion was 0.74 (0.55-0.98). Newborns with the partial GSTT1 deletion had an OR of 1.40 (1.01-1.95), and newborns homozygous for CYP1A1*2A had an OR of 4.28 (1.02-18.0). These results were coherent with the trio-based results. Significant interactions were observed between maternal smoking in the third trimester and CYP1A1*2A (P = 0.03), XRCC3 (P = 0.03), and newborn GSTT1 (P = 0.01). CONCLUSIONS: Certain genetic variants involved in the metabolism of xenobiotics increase the risk of SGA, as well as modify the effects of maternal smoking by increasing or decreasing its risk.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».