← Retour à la cohorte
Trans-ancestry meta-analyses identify rare and common variants associated with blood pressure and hypertension
Praveen Surendran, Fotios Drenos, Robin Young, Helen R. Warren, James P. Cook, Alisa K. Manning, Niels Grarup, Xueling Sim, Daniel R. Barnes, Kate Witkowska, James R Staley, Vinicius Tragante, Taru Tukiainen, Hanieh Yaghootkar, Nicholas G. D. Masca, Daniel F. Freitag, Teresa Ferreira, Olga Giannakopoulou, Andrew Tinker, Magdaléna Harakaľová, Evelin Mihailov, Chunyu Liu, Aldi T. Kraja, Asif Rasheed, Maria Samuel, Wei Zhao, Lori L. Bonnycastle, Anne Jackson, Narisu Narisu, Amy J. Swift, Lorraine Southam, Jonathan Marten, Jeroen R. Huyghe, Alena Stančáková, Therese Ohlsson, Angela Matchan, Kathleen Stirrups, Jette Bork‐Jensen, Anette P. Gjesing, Jukka Kontto, Markus Perola, Susan Shaw-Hawkins, Aki S. Havulinna, He Zhang, Louise A. Donnelly, Christopher J. Groves, Nigel W. Rayner, Matt J. Neville, Neil R. Robertson, Andrianos M. Yiorkas, Karl‐Heinz Herzig, Eero Kajantie, Weihua Zhang, Sara M. Willems, Lars Lannfelt, Giovanni Malerba, Nicole Soranzo, Elisabetta Trabetti, Niek Verweij, Εvangelos Εvangelou, Alireza Moayyeri, Anne‐Claire Vergnaud, Christopher P. Nelson, Alaitz Poveda, Tibor V. Varga, Muriel Caslake, Anton J. M. de Craen, Stella Trompet, Jian’an Luan, Robert A. Scott, Sarah E. Harris, David C. Liewald, Riccardo E. Marioni, Cristina Menni, Aliki‐Eleni Farmaki, Göran Hallmans, Frida Renström, Jennifer E. Huffman, Maija Hassinen, Stephen Burgess, Ramachandran S. Vasan, Janine F. Felix, Maria Uria-Nickelsen, Anders Mälarstig, Dermot F. Reilly, Maarten Hoek, Thomas Vogt, Honghuang Lin, Wolfgang Lieb, Matthew Traylor, Hugh S. Markus, Heather M. Highland, Anne E. Justice, Eirini Marouli, Jaana Lindström, Matti Uusitupa, Pirjo Komulainen, Timo A. Lakka, Rainer Rauramaa, Ozren Polašek, Igor Rudan, Olov Rolandsson, Paul W. Franks, George Dedoussis, Timothy D. Spector, Satu Männistö, Ian J. Deary, John M. Starr, Claudia Langenberg, Morris J. Brown, Anna F. Dominiczak, John Connell, J. Wouter Jukema, Naveed Sattar, Ian Ford, Chris J. Packard, Tõnu Esko, Reedik Mägi, Andres Metspalu, Rudolf A. de Boer, Peter van der Meer, Pim van der Harst, Giovanni Gambaro, Erik Ingelsson, Lars Lind, Paul I. W. de Bakker, Mattijs E. Numans, Ivan Brandslund, Cramer Christensen, Annette Peters, Eeva Korpi-Hyövälti, Heikki Oksa, John C. Chambers, Jaspal S. Kooner, Alexandra I. F. Blakemore, Steve Franks, Marjo‐Riitta Järvelin, Lise Lotte N. Husemoen, Allan Linneberg, Tea Skaaby, Betina H. Thuesen, Fredrik Karpe, Jaakko Tuomilehto, Alex S. F. Doney, Andrew D. Morris, Oddgeir L. Holmen, Kristian Hveem, Cristen J. Willer, Leif Groop, Annemari Käräjämäki, Aarno Palotie, Samuli Ripatti, Veikko Salomaa, Dewan S Alam, Abdulla al Shafi Majumder, Emanuele Di Angelantonio, Rajiv Chowdhury, Mark I. McCarthy, Neil R Poulter, Alice Stanton, Peter Sever, Philippe Amouyel, Dominique Arveiler, Stefan Blankenberg, Jean Ferrières, Frank Kee, Kari Kuulasmaa, Martina Müller‐Nurasyid, Giovanni Veronesi, Jarmo Virtamo, Panos Deloukas, Paul Elliott, Eleftheria Zeggini, Sekar Kathiresan, Olle Melander, Johanna Kuusisto, Markku Laakso, Sandosh Padmanabhan, David J. Porteous, Caroline Hayward, Generation Scotland, Francis S. Collins, Karen L. Mohlke, Torben Hansen, Oluf Pedersen, Michael Boehnke, Heather M. Stringham, Philippe Frossard, Christopher Newton‐Cheh, Martin D. Tobin, Børge G. Nordestgaard, Mark J. Caulfield, Anubha Mahajan, Andrew P. Morris, Maciej Tomaszewski, Nilesh J. Samani, Danish Saleheen, Folkert W. Asselbergs, Cecilia M. Lindgren, John Danesh, Louise V. Wain, Adam S. Butterworth, Joanna M. M. Howson, Patricia B. Munroe
Notice bibliographique
RevueNature Genetics · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensJaneway Children's Health and Rehabilitation Centre
Organismes subventionnairesNational Cancer InstituteNational Institute on Drug AbuseNational Heart, Lung, and Blood InstituteNIHR Cambridge Biomedical Research CentreNational Center for Advancing Translational SciencesMedical Research CouncilCollege of Pharmacy, University of MichiganNational Institutes of HealthNovo Nordisk FondenTartu ÜlikoolErasmus Medisch CentrumNational Human Genome Research InstituteInternational Centre for Diarrhoeal Disease Research, BangladeshEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentZonMwSchool of Medicine, Boston UniversityEuropean CommissionNational Institute of Mental HealthHrvatska Zaklada za ZnanostUniversity of EdinburghNational Institute on AgingCentre for Cognitive Ageing and Cognitive EpidemiologyNational Institute for Health and Care ResearchScottish GovernmentU.S. National Library of MedicineNational Institute of Neurological Disorders and StrokeBritish Heart FoundationNorwegian Institute of Public HealthNederlandse Organisatie voor Wetenschappelijk OnderzoekBiotechnology and Biological Sciences Research CouncilWellcome TrustDirectorate for Biological SciencesImperial College LondonFoundation for Cardiovascular ResearchLundbeckfondenAge UKEuropean Regional Development FundUniversità degli Studi di VeronaUniversity of MichiganHome OfficeSydäntutkimussäätiöNational Institute of Diabetes and Digestive and Kidney DiseasesNorges Teknisk-Naturvitenskapelige UniversitetPfizer
Mots-clésBiologyBlood pressureMeta-analysisGeneticsBioinformaticsComputational biologyInternal medicineEndocrinologyMedicine
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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil1,000
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,002 | 0,001 |
| 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 Opus0,089
Tête enseignante GPT0,372
Écart entre enseignants0,283 · 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'étudeSans objet
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
Citations330
Publié2016
Routes d'admission1
Résumé présentnon