← Retour à la cohorte
Large-Scale Gene-Centric Meta-analysis across 32 Studies Identifies Multiple Lipid Loci
Folkert W. Asselbergs, Yiran Guo, Erik P.A. van Iperen, Suthesh Sivapalaratnam, Vinicius Tragante, Matthew B. Lanktree, Leslie A. Lange, Berta Almoguera, Yolande Appelman, John Barnard, Jens Baumert, Amber L. Beitelshees, Tushar Bhangale, Yii‐Der Ida Chen, Tom R. Gaunt, Yan Gong, Jemma C. Hopewell, Toby Johnson, Marcus E. Kleber, Taimour Langaee, Mingyao Li, Kiang Liu, Caitrin W. McDonough, Matthijs F.L. Meijs, Rita P. S. Middelberg, Christopher P. Nelson, Jeffery R. O’Connell, Sandosh Padmanabhan, James S. Pankow, Nathan Pankratz, Suzanne Rafelt, Ramakrishnan Rajagopalan, Simon P.R. Romaine, Nicholas J. Schork, Jonathan A. Shaffer, Haiqing Shen, Erin N. Smith, Sam E. Tischfield, Peter J. van der Most, Jana V. van Vliet‐Ostaptchouk, Niek Verweij, Kelly A. Volcik, Li Zhang, Kent R. Bailey, Kristian Bailey, Florianne Bauer, Jolanda M.A. Boer, Peter S. Braund, Amber Burt, Paul R. Burton, Sarah G. Buxbaum, Wei Chen, Rhonda M. Cooper‐DeHoff, L. Adrienne Cupples, J DEJONG, Christian Delles, David Duggan, Myriam Fornage, Clement E. Furlong, Nicole L. Glazer, John G. Gums, Claire E. Hastie, Michael V. Holmes, Thomas Illig, Susan Kirkland, Mika Kivimäki, Ronald Klein, Barbara E.K. Klein, Charles Kooperberg, Kandice Kottke‐Marchant, Meena Kumari, Andrea Z. LaCroix, Laya Mallela, Gurunathan Murugesan, José M. Ordovás, Willem H. Ouwehand, Wendy S. Post, Richa Saxena, Hubert Scharnagl, Pamela J. Schreiner, Tina Shah, Denis C. Shields, Daichi Shimbo, Sathanur R. Srinivasan, Ronald P. Stolk, Daniel I. Swerdlow, Herman A. Taylor, Eric J. Topol, Elina Toskala, Jessica van Setten, Salim Yusuf, John C. Whittaker, Aeilko H. Zwinderman, Sonia S. Anand, Anthony J. Balmforth, Gerald S. Berenson, Connie R. Bezzina, Bernhard O. Boehm, Eric Boerwinkle, Juan P. Casas, Mark J. Caulfield, Robert Clarke, John Connell, Karen J. Cruickshanks, Karina W. Davidson, Ian N. M. Day, Paul I. W. de Bakker, Pieter A. Doevendans, Anna F. Dominiczak, Alistair S. Hall, Catharina A. Hartman, Christian Hengstenberg, Hans L. Hillege, Marten H. Hofker, Steve E. Humphries, Gail P. Jarvik, Julie A. Johnson, Bernhard M. Kaess, Sekar Kathiresan, Wolfgang Köenig, Debbie A. Lawlor, Winfried März, Olle Melander, Braxton D. Mitchell, Grant W. Montgomery, Patricia B. Munroe, Sarah S. Murray, Stephen Newhouse, N. Charlotte Onland‐Moret, Neil R Poulter, Bruce M. Psaty, Susan Redline, Stephen S. Rich, Jerome I. Rotter, Heribert Schunkert, Peter Sever, Alan R. Shuldiner, Roy L. Silverstein, Alice Stanton, Barbara Thorand, Mieke D. Trip, Michael Y. Tsai, Pim van der Harst, C. Ellen van der Schoot, Yvonne T. van der Schouw, W. M. Monique Verschuren, Hugh Watkins, Arthur A.M. Wilde, Bruce H. R. Wolffenbuttel, John B. Whitfield, G. Kees Hovingh, Christie M. Ballantyne, Cisca Wijmenga, Muredach P. Reilly, Nicholas G. Martin, James G. Wilson, Daniel J. Rader, Nilesh J. Samani, Alex P. Reiner, Robert A. Hegele, John J.P. Kastelein, Aroon D. Hingorani, Philippa J. Talmud, Håkon Håkonarson, Clara C. Elbers, Brendan J. Keating, Fotios Drenos
Notice bibliographique
RevueThe American Journal of Human Genetics · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensMcMaster UniversityPopulation Health Research InstituteHamilton Health SciencesDalhousie UniversityWestern University
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Center for Research ResourcesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute for Health and Care ResearchNational Institute of General Medical SciencesNational Center for Advancing Translational SciencesWellcome TrustNational Human Genome Research InstituteNational Heart, Lung, and Blood InstituteNational Eye InstituteNational Institute on AgingBritish Heart FoundationNational Cancer InstituteEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentAgency for Healthcare Research and QualityNational Institutes of Health
Mots-clésSingle-nucleotide polymorphismGenome-wide association studyBiologySNPGeneticsGenetic associationCandidate geneGeneGenotype
Résumé
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.
Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.
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.
score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil1,000
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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.
Tête enseignante Opus0,121
Tête enseignante GPT0,406
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations269
Publié2012
Routes d'admission1
Résumé présentnon