Polygenic risk scores predict diabetes complications and their response to intensive blood pressure and glucose control
Notice bibliographique
Résumé
Abstract Aims/hypothesis Type 2 diabetes increases the risk of cardiovascular and renal complications, but early risk prediction could lead to timely intervention and better outcomes. Genetic information can be used to enable early detection of risk. Methods We developed a multi-polygenic risk score (multiPRS) that combines ten weighted PRSs (10 wPRS) composed of 598 SNPs associated with main risk factors and outcomes of type 2 diabetes, derived from summary statistics data of genome-wide association studies. The 10 wPRS, first principal component of ethnicity, sex, age at onset and diabetes duration were included into one logistic regression model to predict micro- and macrovascular outcomes in 4098 participants in the ADVANCE study and 17,604 individuals with type 2 diabetes in the UK Biobank study. Results The model showed a similar predictive performance for cardiovascular and renal complications in different cohorts. It identified the top 30% of ADVANCE participants with a mean of 3.1-fold increased risk of major micro- and macrovascular events ( p = 6.3 × 10 −21 and p = 9.6 × 10 −31 , respectively) and a 4.4-fold ( p = 6.8 × 10 −33 ) higher risk of cardiovascular death. While in ADVANCE overall, combined intensive blood pressure and glucose control decreased cardiovascular death by 24%, the model identified a high-risk group in whom it decreased the mortality rate by 47%, and a low-risk group in whom it had no discernible effect. High-risk individuals had the greatest absolute risk reduction with a number needed to treat of 12 to prevent one cardiovascular death over 5 years. Conclusions/interpretation This novel multiPRS model stratified individuals with type 2 diabetes according to risk of complications and helped to target earlier those who would receive greater benefit from intensive therapy. Graphical abstract
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 | 0,000 | 0,003 |
| 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 ».