A novel lung disease phenotype adjusted for mortality attrition for cystic fibrosis Genetic modifier studies
Notice bibliographique
Résumé
Genetic studies of lung disease in cystic fibrosis (CF) are hampered by the lack of a severity measure that accounts for chronic disease progression and mortality attrition. Further, combining analyses across studies requires common phenotypes that are robust to study design and patient ascertainment. Using data from the North American Cystic Fibrosis Modifier Consortium (Canadian Consortium for CF Genetic Studies, Johns Hopkins University CF Twin and Sibling Study, and University of North Carolina/Case Western Reserve University Gene Modifier Study), the authors calculated age-specific CF percentile values of FEV1 which were adjusted for CF age-specific mortality data. The phenotype was computed for 2,061 patients representing the Canadian CF population, 1,137 extreme phenotype patients in the UNC/Case Western study, and 1,323 patients from multiple CF sib families in the CF Twin and Sibling Study. Despite differences in ascertainment and median age, our phenotype score was distributed in all three samples in a manner consistent with ascertainment differences, reflecting the lung disease severity of each individual in the underlying population. The new phenotype score was highly correlated with the previously recommended complex phenotype, but the new phenotype is more robust for shorter follow-up and for extreme ages. A disease progression and mortality-adjusted phenotype reduces the need for stratification or additional covariates, increasing statistical power, and avoiding possible distortions. This approach will facilitate large-scale genetic and environmental epidemiological studies which will provide targeted therapeutic pathways for the clinical benefit of patients with CF.
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 | 0,003 |
| 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 ».