Combinations of<i>CYP2A6*4</i>and Glutathione S-Transferases Gene Polymorphisms Modify the Association Between Maternal Secondhand Smoke Exposure During Pregnancy and Small-for-Gestational-Age
Notice bibliographique
Résumé
INTRODUCTION: Risk of small-for-gestational-age (SGA) birth varied considerably in women exposed to secondhand smoke (SHS) during pregnancy. We examined whether this variation was explained by mothers' one Phase I (CYP2A6*4, activation of tobacco toxics) and two Phase II (GSTM1 and GSTT1, detoxification) metabolic genotypes. METHODS: We enrolled 468 Chinese pregnant women (115 delivering SGA and 353 delivering non-SGA newborns) shortly before delivery. SHS exposure during pregnancy was defined as self-reported daily exposure time being more than 0 minute. We fitted multivariable logistic regression models to examine whether CYP2A6*4, GSTM1, and GSTT1 gene polymorphsims and their combinations modified the association between SHS exposure and SGA. RESULTS: In the total sample, more mothers of SGA newborns were exposed to SHS during pregnancy than mothers of non-SGA newborns (38.3% vs. 31.4%). CYP2A6*4, GSTM1, and GSTT1 genes alone could not modify the association between SHS exposure and SGA. The combination of CYP2A6*4 and GSTT1 high-risk genotypes (CYP2A6*1/*1 and GSTT1-absent [high-risk] vs. other combinations as a whole [low-risk]) significantly (P value, .045) modified the association between SHS exposure and SGA. Among mothers with high-risk genotypes, SHS during pregnancy was significantly associated with SGA (confounder-adjusted odds ratio, 2.31 [95% confidence interval, 1.20-4.42]). Among mothers with low-risk genotypes, however, SHS exposure during pregnancy was not associated with SGA (1.14 [0.64-2.04]). CONCLUSIONS: Chinese pregnant women with the combination of CYP2A6*1/*1 and GSTT1-absent genotypes are at particularly high-risk of SHS-related SGA.
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 | 0,001 | 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) | 0,000 | 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 ».