Genetic risk scores and family history as predictors of schizophrenia in Nordic registers
Notice bibliographique
Résumé
BACKGROUND: Family history is a long-standing and readily obtainable risk factor for schizophrenia (SCZ). Low-cost genotyping technologies have enabled large genetic studies of SCZ, and the results suggest the utility of genetic risk scores (GRS, direct assessments of inherited common variant risk). Few studies have evaluated family history and GRS simultaneously to ask whether one can explain away the other. METHODS: We studied 5959 SCZ cases and 8717 controls from four Nordic countries. All subjects had family history data from national registers and genome-wide genotypes that were processed through the quality control procedures used by the Psychiatric Genomics Consortium. Using external training data, GRS were estimated for SCZ, bipolar disorder (BIP), major depression, autism, educational attainment, and body mass index. Multivariable modeling was used to estimate effect sizes. RESULTS: Using harmonized genomic and national register data from Denmark, Estonia, Norway, and Sweden, we confirmed that family history of SCZ and GRS for SCZ and BIP were risk factors for SCZ. In a joint model, the effects of GRS for SCZ and BIP were essentially unchanged, and the effect of family history was attenuated but remained significant. The predictive capacity of a model including GRS and family history neared the minimum for clinical utility. CONCLUSIONS: Combining national register data with measured genetic risk factors represents an important investigative approach for psychotic disorders. Our findings suggest the potential clinical utility of combining GRS and family history for early prediction and diagnostic improvements.
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 | 0,000 | 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 | 0,001 |
| 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 ».