Association of Four Genetic Loci with Uric Acid Levels and Reduced Renal Function: The J-SHIPP Suita Study
Notice bibliographique
Résumé
BACKGROUND: Recent genome-wide association studies have identified several genetic variants as susceptibility loci for serum uric acid (UA) levels. We also identified a common nonsense mutation, W258X, responsible for renal hypouricemia. Here, we investigated clinical implications of these genetic variants by cross-sectional and longitudinal genetic epidemiological analysis. METHODS: The study enrolled 5,165 Japanese subjects aged 64 ± 12 years from the general population. Clinical parameters were obtained from the personal health records, evaluated at medical checkups. RESULTS: Serum UA levels were significantly different between the SLC22A12 rs11231825 (CC/CT/TT: 4.5 ± 1.6, 5.0 ± 1.4, 5.3 ± 1.4 mg/dl; p = 7.6 × 10(-20)), SLC2A9 rs1014290 (TT/TG/GG: 4.9 ± 1.4, 5.1 ± 1.4, 5.3 ± 1.4 mg/dl; p = 3.1 × 10(-11)) and ABCG2 rs2231142 (TT/TG/GG: 5.3 ± 1.5, 5.2 ± 1.4, 5.1 ± 1.4 mg/dl; p = 2.0 × 10(-5)) genotypes. During 9.4 years of follow-up, 87 new cases of hyperuricemia were diagnosed. Multiple logistic regression analysis identified the accumulation of risk alleles as a significant determinant of future development of hyperuricemia (OR = 7.94; 95% CI: 1.97-53.6). In contrast, subjects with nonsense mutation predominantly showed lower UA levels (XX/XW/WW: 1.3 ± 1.7, 3.6 ± 1.0, 5.2 ± 1.4 mg/dl; p = 9.3 × 10(-82)). However, these subjects showed significantly reduced renal function (β = -0.111; p < 0.001) independently of possible covariates. CONCLUSION: Accumulation of risk genotypes was an independent risk factor for future development of hyperuricemia. Genetically developed hypouricemia was an independent risk factor for decreased renal function.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».