Role of Adiponectin in Coronary Heart Disease Risk
Notice bibliographique
Résumé
RATIONALE: Hypoadiponectinemia correlates with several coronary heart disease (CHD) risk factors. However, it is unknown whether adiponectin is causally implicated in CHD pathogenesis. OBJECTIVE: We aimed to investigate the causal effect of adiponectin on CHD risk. METHODS AND RESULTS: We undertook a Mendelian randomization study using data from genome-wide association studies consortia. We used the ADIPOGen consortium to identify genetic variants that could be used as instrumental variables for the effect of adiponectin. Data on the association of these genetic variants with CHD risk were obtained from CARDIoGRAM (22 233 CHD cases and 64 762 controls of European ancestry) and from CARDIoGRAMplusC4D Metabochip (63 746 cases and 130 681 controls; ≈ 91% of European ancestry) consortia. Data on the association of genetic variants with adiponectin levels and with CHD were combined to estimate the influence of blood adiponectin on CHD risk. In the conservative approach (restricted to using variants within the adiponectin gene as instrumental variables), each 1 U increase in log blood adiponectin concentration was associated with an odds ratio for CHD of 0.83 (95% confidence interval, 0.68-1.01) in CARDIoGRAM and 0.97 (95% confidence interval, 0.84-1.12) in CARDIoGRAMplusC4D Metabochip. Findings from the liberal approach (including variants in any locus across the genome) indicated a protective effect of adiponectin that was attenuated to the null after adjustment for known CHD predictors. CONCLUSIONS: Overall, our findings do not support a causal role of adiponectin levels in CHD pathogenesis.
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 | 0,002 |
| 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 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 ».