The undiagnosed disease burden associated with alpha-1 antitrypsin deficiency genotypes
Notice bibliographique
Résumé
Alpha-1 antitrypsin deficiency (AATD), mainly due to the PI*ZZ genotype in SERPINA1 , is one of the most common inherited diseases. Since it is associated with a high disease burden and partially prevented by smoking cessation, identification of PI*ZZ individuals through genotyping could improve health outcomes. We examined the frequency of the PI*ZZ genotype in individuals with and without diagnosed AATD from UK Biobank, and assessed the associations of the genotypes with clinical outcomes and mortality. A phenome-wide association study (PheWAS) was conducted to reveal disease associations with genotypes. A polygenic risk score (PRS) for forced expiratory volume in 1 s (FEV 1 )/forced vital capacity (FVC) ratio was used to evaluate variable penetrance of PI*ZZ. Among 458 164 European-ancestry participants in UK Biobank, 140 had the PI*ZZ genotype and only nine (6.4%, 95% CI 3.4–11.7%) of them were diagnosed with AATD. Those with PI*ZZ had a substantially higher odds of COPD (OR 8.8, 95% CI 5.8–13.3), asthma (OR 2.0, 95% CI 1.4–3.0), bronchiectasis (OR 7.3, 95%CI 3.2–16.8), pneumonia (OR 2.7, 95% CI 1.5–4.9) and cirrhosis (OR 7.8, 95% CI 2.5–24.6) diagnoses and a higher hazard of mortality (2.4, 95% CI 1.2–4.6), compared to PI*MM (wildtype) (n=398 424). These associations were stronger among smokers. PheWAS demonstrated associations with increased odds of empyema, pneumothorax, cachexia, polycythaemia, aneurysm and pancreatitis. Polygenic risk score and PI*ZZ were independently associated with FEV 1 /FVC <0.7 (OR 1.4 per 1- sd change, 95% CI 1.4–1.5 and OR 4.5, 95% CI 3.0–6.9, respectively). The important underdiagnosis of AATD, whose outcomes are partially preventable through smoking cession, could be improved through genotype-guided diagnosis.
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 | 0,001 |
| 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 | 0,001 | 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 ».