Bivariate Analysis of Age-Related Macular Degeneration Progression Using Genetic Risk Scores
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Ding et al. used data from large clinical trials to evaluate the effects of known age-related macular generation (AMD) risk variants on disease progression... Age-related macular degeneration (AMD) is a leading cause of blindness in the developed world. While many AMD susceptibility variants have been identified, their influence on AMD progression has not been elucidated. Using data from two large clinical trials, Age-Related Eye Disease Study (AREDS) and AREDS2, we evaluated the effects of 34 known risk variants on disease progression. In doing so, we calculated the eye-level time-to-late AMD and modeled them using a bivariate survival analysis approach, appropriately accounting for between-eye correlation. We then derived a genetic risk score (GRS) based on these 34 risk variants, and analyzed its effect on AMD progression. Finally, we used the AREDS data to fit prediction models of progression based on demographic and environmental factors, eye-level AMD severity scores and the GRS and tested the models using the AREDS2 cohort. We observed that GRS was significantly associated with AMD progression in both cohorts, with a stronger effect in AREDS than in AREDS2 (AREDS: hazard ratio (HR) = 1.34, P = 1.6 × 10−22; AREDS2: HR = 1.11, P = 2.1 × 10−4). For prediction of AMD progression, addition of GRS to the demographic/environmental risk factors considerably improved the prediction performance. However, when the baseline eye-level severity scores were included as the predictors, any other risk factors including the GRS only provided small additional predictive power. Our model for predicting the disease progression risk demonstrated satisfactory performance in both cohorts, and we recommend its use with baseline AMD severity scores plus baseline age, education level, and smoking status, either with or without GRS.
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.
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 | 0,000 | 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 découle