Association of MMP-9 polymorphisms with diabetic nephropathy risk
Notice bibliographique
Résumé
BACKGROUND: Diabetic nephropathy (DN) is a multifactorial disease with gene-environment interaction resulting in progressive renal function damage. Multiple studies have assessed the association between matrix metalloproteinase-9 (MMP-9) gene promoter polymorphism and DN susceptibility. However, the results are inconclusive. In the present study, we will conduct a meta-analysis to further examine this relationship more precisely. METHODS: Electronic databases (Pubmed, Web of Science, Embase, Google Scholar, Wanfang, China Biological Medicine and China National Knowledge Infrastructure) will be used to search clinical case-control studies about MMP-9 polymorphism and DN published until 18 August 2020. The language will be restricted to Chinese and English. Two reviewers will take charge of completing the selection of study, the extraction of data as well as the assessment of study quality independently. The Newcastle-Ottawa Scale will be used to evaluate the study quality. We will evaluate the association under 5 genetic models. Fixed-effects or random-effects models will be used to calculate the effect sizes of odds ratio and 95% confidence intervals. Afterwards, subgroup analysis will be conducted in terms of the ethnicity and genotyping method. Additionally, sensitivity analysis will be performed via sequentially omitting each of the included studies one at a time. The funnel plots, Egger regression test, and Begg rank correlation test will be used to test the potential publication bias. All the statistical analyses will be performed using Review Manager 5.3 and Stata 12.0. RESULTS: This protocol reported according to the Preferred Reporting ltems for Systematic Reviews and Meta-Analyses Protocols (PRISMA-P) statement. This study will provide a better understanding of the association between MMP-9 polymorphisms and DN risk. CONCLUSION: Publishing this protocol will minimize the potential bias related to data mining, thus contributing to generation of reliable evidence. OSF REGISTRATION NUMBER: DOI 10.17605/OSF.IO/H5FS4.
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 | 0,008 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».