Does genetic heterogeneity account for the divergent risk of type 2 diabetes in South Asian and white European populations?
Notice bibliographique
Résumé
AIMS/HYPOTHESIS: South Asians are up to four times more likely to develop type 2 diabetes than white Europeans. It is postulated that the higher prevalence results from greater genetic risk. To evaluate this hypothesis, we: (1) systematically reviewed the literature for single nucleotide polymorphisms (SNPs) predisposing to type 2 diabetes in South Asians; (2) compared risk estimates, risk alleles and risk allele frequencies of predisposing SNPs between South Asians and white Europeans; and (3) tested the association of novel SNPs discovered from South Asians in white Europeans. METHODS: MEDLINE, Embase, the Cumulative Index to Nursing and Allied Health Literature (CINAHL) and the Cochrane registry were searched for studies of genetic variants associated with type 2 diabetes in South Asians. Meta-analysis estimates for common and novel bi-allelic SNPs in South Asians were compared with white Europeans from the DIAbetes Genetics Replication And Meta-analysis (DIAGRAM) consortium. The population burden from predisposing SNPs was assessed using a genotype score. RESULTS: Twenty-four SNPs from 21 loci were associated with type 2 diabetes in South Asians after meta-analysis. The majority of SNPs increase odds of the disorder by 15-35% per risk allele. No substantial differences appear to exist in risk estimates between South Asians and white Europeans from SNPs common to both groups, and the population burden also does not differ. Eight of the 24 are novel SNPs discovered from South Asian genome-wide association studies, some of which show nominal associations with type 2 diabetes in white Europeans. CONCLUSIONS/INTERPRETATION: Based on current literature there is no strong evidence to indicate that South Asians possess a greater genetic risk of type 2 diabetes than white Europeans.
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 | 0,001 |
| 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 ».