Genetic Tools for Coronary Risk Assessment in Type 2 Diabetes: A Cohort Study From the ACCORD Clinical Trial
Notice bibliographique
Résumé
OBJECTIVE We evaluated whether the increasing number of genetic loci for coronary artery disease (CAD) identified in the general population could be used to predict the risk of major CAD events (MCE) among participants with type 2 diabetes at high cardiovascular risk. RESEARCH DESIGN AND METHODS A weighted genetic risk score (GRS) derived from 204 variants representative of all the 160 CAD loci identified in the general population as of December 2017 was calculated in 5,360 and 1,931 white participants in the Action to Control Cardiovascular Risk in Diabetes (ACCORD) and Outcome Reduction With Initial Glargine Intervention (ORIGIN) studies, respectively. The association between GRS and MCE (combining fatal CAD events, nonfatal myocardial infarction, and unstable angina) was assessed by Cox proportional hazards regression. RESULTS The GRS was associated with MCE risk in both ACCORD and ORIGIN (hazard ratio [HR] per SD 1.27, 95% CI 1.18–1.37, P = 4 × 10−10, and HR per SD 1.35, 95% CI 1.16–1.58, P = 2 × 10−4, respectively). This association was independent from interventions tested in the trials and persisted, though attenuated, after adjustment for classic cardiovascular risk predictors. Adding the GRS to clinical predictors improved incident MCE risk classification (relative integrated discrimination improvement +8%, P = 7 × 10−4). The performance of this GRS was superior to that of GRS based on the smaller number of CAD loci available in previous years. CONCLUSIONS When combined into a GRS, CAD loci identified in the general population are associated with CAD also in type 2 diabetes. This GRS provides a significant improvement in the ability to correctly predict future MCE, which may increase further with the discovery of new CAD loci.
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) | 0,000 | 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 ».