Association of polymorphisms within the transforming growth factor‐β1 gene with diabetic nephropathy and serum cholesterol and triglyceride concentrations
Notice bibliographique
Résumé
AIM: The TGF-β gene participates in the development of chronic kidney disease. We investigated whether the 869 T > C, 915 G > C and -800 G > A polymorphisms of TGF-β1 are associated with diabetic nephropathy (DN). METHODS: Polymorphisms were genotyped in 439 type 2 diabetes mellitus patients, 233 with diabetic nephropathy (DN+) and 206 without (DN-). The sample was characterized for relevant clinical and biochemical parameters. RESULTS: The 869 T > C (P = 0.016; odds ratio (OR) = 1.818, 95% confidence interval (CI) = 1.128-2.930) and the 915 G > C polymorphisms (P = 0.008, OR = 4.073, 95% CI = 1.355-12.249) were associated with diabetic nephropathy. The 869 T > C variant was associated with total cholesterol levels: CC + CT genotypes had a mean cholesterol concentration of 5.62 ± 1.40 mmol/L vs a mean concentration of 5.15 ± 1.40 mmol/L for the TT genotype (P = 0.011). Triglycerides were also higher in CC + CT genotypes (2.49 ± 1.56 mmol/L) in comparison with TT homozygotes (2.1 ± 1.22 mmol/L, P = 0.042). Multivariate logistic regression showed that the polymorphisms 869 T > C and 915 G > C were independent predictors for DN (P = 0.049 and 0.046, respectively). CONCLUSION: The 869 T > C and 915 G > C polymorphisms within the TGF-β1 gene were associated with DN+. Lower cholesterol and triglycerides levels were observed in TT homozygotes for the 869 T > C polymorphism. The TGF-β1 869 T allele seems to confer protection against DN+.
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 | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».