Polymorphisms in<i>PPAR</i>Genes (<i>PPARD</i>,<i>PPARG</i>, and<i>PPARGC1A</i>) and the Risk of Chronic Kidney Disease in Japanese: Cross-Sectional Data from the J-MICC Study
Notice bibliographique
Résumé
Chronic kidney disease (CKD) is well known as a strong risk factor for both end stage renal disease and cardiovascular disease. To clarify the association of polymorphisms in the PPAR genes (PPARD, PPARG, and PPARGC1A) with the risk of CKD in Japanese, we examined this association among the Japanese subjects using the cross-sectional data of J-MICC (Japan Multi-Institutional Collaborative Cohort) Study. The subjects for this analysis were 3,285 men and women, aged 35-69 years, selected from J-MICC Study participants; genotyping was conducted by multiplex polymerase chain reaction-based Invader assay. The prevalence of CKD was determined for CKD stages 3-5 (defined as eGFR < 60 ml/min/1.73 m(2)). Participants with CKD accounted for 17.3% of the study population. When those with PPARD T-842C T/T were defined as reference, those with PPARD T-842C T/C and C/C demonstrated the OR for CKD of 1.26 (95%CI 1.04-1.53) and 1.31 (95%CI 0.83-2.06), respectively. There were no significant associations between the polymorphisms in other PPAR genes and the risk of CKD. The present study found a significantly increased risk of CKD in those with the C allele of PPARD T-842C, which may suggest the possibility of personalized risk estimation of this life-limiting disease in the near future.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».