Elevated Platelet Count Appears to Be Causally Associated with Increased Risk of Lung Cancer: A Mendelian Randomization Analysis
Notice bibliographique
Résumé
Abstract Background: Platelets are a critical element in coagulation and inflammation, and activated platelets are linked to cancer risk through diverse mechanisms. However, a causal relationship between platelets and risk of lung cancer remains unclear. Methods: We performed single and combined multiple instrumental variable Mendelian randomization analysis by an inverse-weighted method, in addition to a series of sensitivity analyses. Summary data for associations between SNPs and platelet count are from a recent publication that included 48,666 Caucasian Europeans, and the International Lung Cancer Consortium and Transdisciplinary Research in Cancer of the Lung data consisting of 29,266 cases and 56,450 controls to analyze associations between candidate SNPs and lung cancer risk. Results: Multiple instrumental variable analysis incorporating six SNPs showed a 62% increased risk of overall non–small cell lung cancer [NSCLC; OR, 1.62; 95% confidence interval (CI), 1.15–2.27; P = 0.005] and a 200% increased risk for small-cell lung cancer (OR, 3.00; 95% CI, 1.27–7.06; P = 0.01). Results showed only a trending association with NSCLC histologic subtypes, which may be due to insufficient sample size and/or weak effect size. A series of sensitivity analysis retained these findings. Conclusions: Our findings suggest a causal relationship between elevated platelet count and increased risk of lung cancer and provide evidence of possible antiplatelet interventions for lung cancer prevention. Impact: These findings provide a better understanding of lung cancer etiology and potential evidence for antiplatelet interventions for lung cancer prevention.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».