Relationship Between Genetic Risk and Age of Diagnosis in Systemic Lupus Erythematosus
Notice bibliographique
Résumé
Objective. Specific risk alleles for childhood-onset systemic lupus erythematosus SLE (cSLE) vs adult-onset SLE (aSLE) patients have not been identified. The aims of this study were to determine if there is an association (1) between non-HLA–related genetic risk score (GRS) and age of SLE diagnosis, and (2) between HLA-related GRS and age of SLE diagnosis. Methods. Genomic DNA was obtained from 2001 multiethnic patients and genotyped using the Immunochip. Following quality control, genetic risk counting (GRCS), weighted (GRWS), standardized counting (GRSCS), and standardized weighted (GRSWS) scores were calculated based on independent single-nucleotide polymorphisms from validated SLE loci. Scores were analyzed in a regression model and adjusted by sex and ancestral population. Results. The analyzed cohort consisted of 1540 patients: 1351 females and 189 males (675 cSLE and 865 aSLE). There were significant negative associations between all non-HLA GRS and age of SLE diagnosis: P = 0.011 and r2 = 0.175 for GRWS; P = 0.008 and r2 = 0.178 for GRSCS; P = 0.002 and r2 = 0.176 for GRSWS (higher GRS correlated with lower age of diagnosis.) All HLA GRS showed significant positive associations with age of diagnosis: P = 0.049 and r2 = 0.176 for GRCS; P = 0.022 and r2 = 0.176 for GRWS; P = 0.022 and r2 = 0.176 for GRSCS; P = 0.011 and r2 = 0.177 for GRSWS (higher GRS correlated with higher age of diagnosis). Conclusion. Our data suggest that there is a linear relationship between genetic risk and age of SLE diagnosis and that HLA and non-HLA GRS are associated with age of diagnosis in opposite directions.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».