MétaCan
Menu
← Retour à la cohorte
Enregistrement W3049761635

Facing the Methodological Challenge in Dissecting the Genetics of ADHD: A Case for Deep Phenotyping and Heterogeneity Reduction.

2020· article· en· W3049761635 sur OpenAlexaff
Sarojini M. Sengupta, Natalie Grizenko, Marie‐Ève Fortier, Marina Ter-Stepanian, Ridha Joober

Notice bibliographique

RevuePubMed · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensUniversité de SherbrookeMcGill UniversityDouglas Mental Health University Institute
Organismes subventionnairesnon disponible
Mots-clésHeritabilityGenome-wide association studyGenetic associationAttention deficit hyperactivity disorderMissing heritability problemEtiologyMethylphenidateGenetic architecturePsychologyBiologyClinical psychologyPhenotypeGeneticsPsychiatryGeneGenetic variantsGenotypeSingle-nucleotide polymorphism
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aetiology of ADHD is complex, with genetic and environmental factors both implicated in the disorder. The most recent ADHD genome-wide association study identified 12 loci that showed significant association with the disorder. However, as highlighted by the authors, these loci "only capture a tiny fraction" of the risk for ADHD. It has been suggested that it may be important to disentangle: (1) the clinical complexity of the disorder, and (2) the complex interaction between genetic and environmental factors, in order to better dissect the aetiology of the disorder. METHOD: We have conducted a clinically-relevant Pharmaco-Behavioural Genetic study in a large group of children with ADHD (~850 families) over the last 15 years. The study includes detailed evaluation of quantitative behavioural and neuropsychological phenotypes, as well as short-term response of these phenotypes to treatment with a fixed dose of methylphenidate (0.5mg/kg in a b.i.d. dose). Specific genetic markers and environmental factors were examined for their association with these dimensions. RESULTS: Here we present results that highlight the importance of examining genetic association with quantitative traits, including those constructs having relevance to Research Domain Criteria (RDoC). Further, we demonstrate that by conducting association analysis in groups of children stratified based on exposure to key environmental exposure (maternal smoking or stress during pregnancy), we are able to increase the sensitivity for finding genes involved in the disorder. CONCLUSION: These results suggest that deep phenotyping and heterogeneity reduction may be imperative in order to uncover the "missing heritability" of the 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,304
score de la tête « metaresearch » (Gemma)0,577
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,858

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3040,577
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0070,007
Études des sciences et des technologies0,0030,008
Communication savante0,0060,008
Science ouverte0,0060,010
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,381
Tête enseignante GPT0,393
Écart entre enseignants0,012 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetAttention Deficit Hyperactivity Disorder→Travaux en français237 207→