MétaCan
Menu
Retour à la cohorte
Enregistrement W3133796664 · doi:10.1101/2021.03.07.21252875

Age-dependent impact of the major common genetic risk factor for COVID-19 on severity and mortality

2021· preprint· en· W3133796664 sur OpenAlexafffund
Tomoko Nakanishi, Sara Pigazzini, Frauke Degenhardt, Mattia Cordioli, Guillaume Butler‐Laporte, Douglas Maya‐Miles, Beatriz Nafría Jiménez, Youssef Bouysran, Mari Niemi, Adriana Palom, David Ellinghaus, Atlas Khan, Manuel Martínez‐Bueno, Selina Rolker, Sara Amitano, Luisa Roade, Francesca Fava, Christoph D. Spinner, Daniele Prati, David Bernardo, Féderico García, Gilles Darcis, Israel Fernández‐Cadenas, Jan Cato Holter, Jesús M. Bañales, Robert Frithiof, Krzysztof Kiryluk, Stefano Duga, Rosanna Asselta, Alexandre C. Pereira, Manuel Romero‐Gómez, Luís Bujanda, Johannes R. Hov, Isabelle Migeotte, Alessandra Renieri, Anna M. Planas, Kerstin U. Ludwig, Marı́a Buti, Souad Rahmouni, Marta E. Alarcón‐Riquelme, Eva C. Schulte, André Franke, Tom H. Karlsen, Luca Valenti, Hugo Zeberg, J. Brent Richards, Andrea Ganna

Notice bibliographique

RevuemedRxiv · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchNational Institutes of HealthHelsingin YliopistoTechnische Universität MünchenNordForskJapan Society for the Promotion of ScienceCancer Research UKAcademy of FinlandJewish General HospitalPublic Health AgencyScience for Life LaboratoryVetenskapsrådetMcGill UniversityPublic Health Agency of CanadaMagnus Bergvalls Stiftelse
Mots-clésOdds ratioMedicineHazard ratioConfidence intervalRisk factorInternal medicineGenetic predispositionAlleleGeneticsDiseaseBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is considerable variability in COVID-19 outcomes amongst younger adults-and some of this variation may be due to genetic predisposition. We characterized the clinical implications of the major genetic risk factor for COVID-19 severity, and its age-dependent effect, using individual-level data in a large international multi-centre consortium. METHOD: The major common COVID-19 genetic risk factor is a chromosome 3 locus, tagged by the marker rs10490770. We combined individual level data for 13,424 COVID-19 positive patients (N=6,689 hospitalized) from 17 cohorts in nine countries to assess the association of this genetic marker with mortality, COVID-19-related complications and laboratory values. We next examined if the magnitude of these associations varied by age and were independent from known clinical COVID-19 risk factors. FINDINGS: We found that rs10490770 risk allele carriers experienced an increased risk of all-cause mortality (hazard ratio [HR] 1·4, 95% confidence interval [CI] 1·2-1·6) and COVID-19 related mortality (HR 1·5, 95%CI 1·3-1·8). Risk allele carriers had increased odds of several COVID-19 complications: severe respiratory failure (odds ratio [OR] 2·0, 95%CI 1·6-2·6), venous thromboembolism (OR 1·7, 95%CI 1·2-2·4), and hepatic injury (OR 1·6, 95%CI 1·2-2·0). Risk allele carriers ≤ 60 years had higher odds of death or severe respiratory failure (OR 2·6, 95%CI 1·8-3·9) compared to those > 60 years OR 1·5 (95%CI 1·3-1·9, interaction p-value=0·04). Amongst individuals ≤ 60 years who died or experienced severe respiratory COVID-19 outcome, we found that 31·8% (95%CI 27·6-36·2) were risk variant carriers, compared to 13·9% (95%CI 12·6-15·2%) of those not experiencing these outcomes. Prediction of death or severe respiratory failure among those ≤ 60 years improved when including the risk allele (AUC 0·82 vs 0·84, p=0·016) and the prediction ability of rs10490770 risk allele was similar to, or better than, most established clinical risk factors. INTERPRETATION: The major common COVID-19 risk locus on chromosome 3 is associated with increased risks of morbidity and mortality-and these are more pronounced amongst individuals ≤ 60 years. The effect on COVID-19 severity was similar to, or larger than most established risk factors, suggesting potential implications for clinical risk management. FUNDING: Funding was obtained by each of the participating cohorts individually.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,112
Tête enseignante GPT0,469
Écart entre enseignants0,357 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations29
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207