Killer-cell immunoglobulin-like receptor gene polymorphisms and susceptibility to psoriatic arthritis
Notice bibliographique
Résumé
OBJECTIVES: We conducted a case-control study to determine the association between KIR2D and KIR3D gene polymorphisms and their interaction with HLA alleles in PsA. METHODS: A total of 678 subjects with PsA and 688 healthy controls were studied. Differences between cases and controls in the frequency of individual KIR polymorphisms were tested for significance by an asymptotic χ(2) test and Fisher's exact test. Trends for increasing susceptibility to PsA from combined genotypes (HLA-KIR and HLA) were evaluated by the Cochran-Armitage trend test. Multigene logistic regression analysis was conducted to identify independent associations and interactions. RESULTS: In univariate analyses, KIR2DL2 and KIR2DS2 polymorphisms were significantly associated with PsA. Only KIR2DS2 was associated with PsA compared with healthy controls in multivariate analysis [odds ratio (OR) 1.25, 95% CI 1.01, 1.54, P = 0.044]. The presence of HLA-C group 2 alleles was associated with a higher risk of PsA (trend test P = 0.006). The risk of PsA is higher when KIR2DS2 is present with the HLA-C ligands (C group 1) for the corresponding inhibitory KIRs, and is highest when KIR2DS2 is present in the absence of HLA-C ligands for homologous inhibitor KIRs, compared with the state when KIR2DS2 is absent (trend test P = 0.027). The presence of HLA-C alleles that have high cell surface expression was also associated with a higher risk of PsA (trend test P < 0.001). HLA-B Bw4 and HLA-B Bw4 80ile allele groups were associated with a higher PsA risk (trend test P < 0.0001 for both analyses). CONCLUSION: This study confirms the association of the KIR2DS gene, especially KIR2DS2, with PsA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,012 | 0,016 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».