Effect of READ1 on latent profiles of reading disorder and comorbid attention and language impairment subtypes
Notice bibliographique
Résumé
Recent studies of co-occurring reading disorder (RD) and attention deficit/hyperactivity disorder (ADHD), and co-occurring RD and language impairment (LI), support a core disability plus co-occurrence model focused on language and attention. Genetic factors have been associated with poor reading performance. However, little is known about whether different genetic variants independently contribute to RD co-occurrence subtypes. We aimed to identify subgroups of struggling readers using a latent profile analysis (LPA) in a sample of 1,432 Hispanic American and African American youth. RD classes were then tested for association with variants of READ1, a regulatory element within the candidate RD risk gene, DCDC2. Six groups were identified in the LPA using RD designation as a known-class variable. The three RD classes identified groups of subjects with neurocognitive profiles representing RD+ADHD, specific phonological deficit RD, and RD+LI. Genetic associations across RD subtypes were investigated against functional groupings of READ1. The RU1-1 group of READ1 alleles was associated with RD cases that were marked by deficits in both processing speed and attention (RD+ADHD). The DCDC2 microdeletion that encompasses READ1 was associated with RD cases showing a phonological deficit RD profile. These findings provide evidence for differential genetic contribution to RD subtypes, and that previously implicated genetic variants for RD may share an underlying genetic architecture across population groups for reading disorder.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».