Genetic ancestry markers and difference in A1c between African-American and White in the Diabetes Prevention Program
Notice bibliographique
Résumé
Purpose: HbA1c levels are higher in blacks than non-Hispanic whites (NHWs). We investigated whether genetics could explain this difference in Diabetes Prevention Program (DPP) participants. Methods: We tested (i) genetic variants causing hemoglobinopathies, (ii) a genetic risk score (GRS) based on 60 variants associated with HbA1c from genome-wide association meta-analysis, and (iii) principal component (PC) factors that capture continental ancestry derived from genetic markers distributed across the genome. Results: Of 2658 eligible DPP participants, 537 (20%) self-identified as black and 1476 (56%) as NHW. Despite comparable fasting and 2-hour glucose levels, blacks had higher HbA1c (mean ± SD = 6.2 ± 0.6%) compared with NHWs (5.8 ± 0.4%; P < 0.001). In blacks, the genetic variant causing sickle cell trait was associated with higher HbA1c [β (SE) = +0.44 (0.08)%; P = 2.1 × 10-4]. The GRS was associated with HbA1c in both blacks and NHWs. Self-identified blacks were distributed along the first PC axis, as expected in mixed ancestry populations. The first PC explained 60% of the 0.4% difference in HbA1c between blacks and NHWs, whereas the sickle cell variant explained 16% and GRS explained 14%. Conclusions: A large proportion of HbA1c difference between blacks and NHWs was associated with the first PC factor, suggesting that unidentified genetic markers influence HbA1c in blacks in addition to nongenetic factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».