Genetic Determinants of Glycemic Traits and the Risk of Gestational Diabetes Mellitus
Notice bibliographique
Résumé
Many common genetic polymorphisms are associated with glycemic traits and type 2 diabetes (T2D), but knowledge about genetic determinants of glycemic traits in pregnancy is limited. We tested genetic variants known to be associated with glycemic traits and T2D in the general population for associations with glycemic traits in pregnancy and gestational diabetes mellitus (GDM). Participants in two cohorts (Genetics of Glucose regulation in Gestation and Growth [Gen3G] and Hyperglycemia and Adverse Pregnancy Outcome [HAPO]) underwent oral glucose tolerance testing at 24-32 weeks' gestation. We built genetic risk scores (GRSs) for elevated fasting glucose and insulin, reduced insulin secretion and sensitivity, and T2D, using variants discovered in studies of nonpregnant individuals. We tested for associations between these GRSs, glycemic traits in pregnancy, and GDM. In both cohorts, the fasting glucose GRS was strongly associated with fasting glucose. The insulin secretion and sensitivity GRSs were also significantly associated with these traits in Gen3G, where insulin measurements were available. The fasting insulin GRS was weakly associated with fasting insulin (Gen3G) or C-peptide (HAPO). In HAPO (207 GDM case subjects), all five GRSs (T2D, fasting glucose, fasting insulin, insulin secretion, and insulin sensitivity) were significantly associated with GDM. In Gen3G (43 GDM case subjects), both the T2D and insulin secretion GRSs were associated with GDM; effect sizes for the other GRSs were similar to those in HAPO. Thus, despite the profound changes in glycemic physiology during pregnancy, genetic determinants of fasting glucose, fasting insulin, insulin secretion, and insulin sensitivity discovered outside of pregnancy influence GDM risk.
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 | 0,001 |
| 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 ».