Evaluating Polygenic Risk Scores in “Lone” Atrial Fibrillation
Notice bibliographique
Résumé
BackgroundPolygenic scores incorporating varying numbers of single nucleotide polymorphisms (SNPs) have been demonstrated to exert a prominent role in atrial fibrillation (AF). We sought to compare the relative discriminatory capacities of 2 previously validated polygenic scores in “lone” AF.MethodsA total of 186 lone AF cases of European ancestry underwent SNP genotyping. A genome-wide polygenic score (GPS) and polygenic risk score (PRS) involving 6,730,541 and 1168 SNPs, respectively, were calculated for 186 cases and 423 controls of European ancestry from the 1000 Genomes (1KG) Project. The distribution of the polygenic scores was compared between the cases and controls and their discriminatory capacities were evaluated using receiver operating characteristic (ROC) curves.ResultsA total of 34.4% of patients with lone AF had GPS scores greater than the top 10th percentile of 1KG controls, corresponding to a 4.64-fold increased odds (95% confidence interval [CI], 2.99-7.18; P < 0.001) for AF. A PRS score in the top 10th percentile of 1KG controls was observed in 26.3% of cases, which equated to a 3.16-fold increased odds (95% CI, 2.01-4.98; P < 0.001) for AF. Comparison of C-statistics from ROC curves indicated improved discriminatory capacity of the GPS (0.76) relative to the PRS (0.70) (P = 0.002).ConclusionsOur study evaluating 2 polygenic scores for AF suggests that the GPS, containing more than 6.7 million SNPs, exhibits an improved discriminatory capacity in lone AF compared with a PRS possessing 1168 SNPs. Our findings suggest that genetic risk scores for AF that maximally leverage genomic data may provide improved predictive power.
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 | 0,000 | 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) | 0,000 | 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 ».