Genetic Variants That Are Associated with Neuropsychiatric Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: While genetic risks have been implicated in systemic lupus erythematosus (SLE), the involvement of various genotypes in neuropsychiatric SLE (NPSLE) remains uncertain. The present metaanalysis aimed to combine data from different studies and evaluate the association between each genotype and the risk of developing NPSLE. METHODS: Studies were searched and retrieved from online databases (PubMed, EMBASE, BIOSIS, and ScienceDirect). Case-control studies were chosen if they reported genotype frequencies of the γ Fc region (FCγR) receptors II-A, III-A, and III-B; tumor necrosis factor-α (TNF-α); mannan-binding lectin (MBL); integrin alpha M (ITGAM); interleukin (IL) 1, IL-1β, and IL-6; IL-10 promoter; and vitamin D genes. The OR were used to assess the strength of this association between patients with NPSLE and SLE. RESULTS: A total of 33 studies were considered in this metaanalysis. The results suggest that these genotypes demonstrated a significant association with NPSLE: the homozygous FCγR IIIa 158 FF genotype (OR 1.89, p = 0.03 for FF vs VV + FV), heterozygous FCγR IIIb NA1/2 genotype (OR 2.14, p = 0.03 for NA1/2 vs NA1/1; OR 1.81, p = 0.04 for NA1/2 vs NA1/1 + NA2/2), and homozygous ITGAM rs1143679 HH genotype (OR 3.39, p = 0.04 for HH vs RH; OR 3.11, p = 0.048 for HH vs RR + RH). Polymorphisms of the TNF-α, MBL2, IL-1, IL-1β, IL-6, IL-10 promoter, and vitamin D receptor genes did not show a statistically significant association with the risk of developing NPSLE (p > 0.05). CONCLUSION: This metaanalysis indicates that polymorphisms in the pathways of immune complex clearance, such as the FcγRIIIa, FcγRIIIb, and ITGAM genotypes, are potential susceptibility genes for NPSLE.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».