MétaCan
Menu
Retour à la cohorte
Enregistrement W3198368556 · doi:10.3389/fgene.2021.711624

Polygenic Heterogeneity Across Obsessive-Compulsive Disorder Subgroups Defined by a Comorbid Diagnosis

2021· article· en· W3198368556 sur OpenAlex
Nora I. Strom, Jakob Grove, Sandra Meier, Marie Bækvad‐Hansen, Judith Becker Nissen, Thomas D. Als, Matthew Halvorsen, Merete Nordentoft, Preben Bo Mortensen, David M. Hougaard, Thomas Werge, Ole Mors, Anders D. Børglum, James J. Crowley, Jonas Bybjerg‐Grauholm, Manuel Mattheisen

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Genetics · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueObsessive-Compulsive Spectrum Disorders
Établissements canadiensDalhousie University
Organismes subventionnairesNovo Nordisk FondenNational Institute of Mental HealthAarhus UniversitetNovo NordiskNational Institutes of HealthH. Lundbeck A/SHumboldt-Universität zu BerlinLundbeckfondenHorizon 2020 Framework ProgrammeDeutsche Forschungsgemeinschaft
Mots-clésPolygenic risk scoreObsessive compulsiveComorbidityPsychologyPsychiatryClinical psychologyMedicineGeneticsBiologySingle-nucleotide polymorphismGeneGenotype

Résumé

récupéré en direct d'OpenAlex

Among patients with obsessive-compulsive disorder (OCD), 65–85% manifest another psychiatric disorder concomitantly or at some other time point during their life. OCD is highly heritable, as are many of its comorbidities. A possible genetic heterogeneity of OCD in relation to its comorbid conditions, however, has not yet been exhaustively explored. We used a framework of different approaches to study the genetic relationship of OCD with three commonly observed comorbidities, namely major depressive disorder (MDD), attention-deficit hyperactivity disorder (ADHD), and autism spectrum disorder (ASD). First, using publicly available summary statistics from large-scale genome-wide association studies, we compared genetic correlation patterns for OCD, MDD, ADHD, and ASD with 861 somatic and mental health phenotypes. Secondly, we examined how polygenic risk scores (PRS) of eight traits that showed heterogeneous correlation patterns with OCD, MDD, ADHD, and ASD partitioned across comorbid subgroups in OCD using independent unpublished data from the Lundbeck Foundation Initiative for Integrative Psychiatric Research (iPSYCH). The comorbid subgroups comprised of patients with only OCD ( N = 366), OCD and MDD ( N = 1,052), OCD and ADHD ( N = 443), OCD and ASD ( N = 388), and OCD with more than 1 comorbidity ( N = 429). We found that PRS of all traits but BMI were significantly associated with OCD across all subgroups (neuroticism: p = 1.19 × 10 −32 , bipolar disorder: p = 7.51 × 10 −8 , anorexia nervosa: p = 3.52 × 10 −20 , age at first birth: p = 9.38 × 10 −5 , educational attainment: p = 1.56 × 10 −4 , OCD: p = 1.87 × 10 −6 , insomnia: p = 2.61 × 10 −5 , BMI: p = 0.15). For age at first birth, educational attainment, and insomnia PRS estimates significantly differed across comorbid subgroups ( p = 2.29 × 10 −4 , p = 1.63 × 10 −4 , and p = 0.045, respectively). Especially for anorexia nervosa, age at first birth, educational attainment, insomnia, and neuroticism the correlation patterns that emerged from genetic correlation analysis of OCD, MDD, ADHD, and ASD were mirrored in the PRS associations with the respective comorbid OCD groups. Dissecting the polygenic architecture, we found both quantitative and qualitative polygenic heterogeneity across OCD comorbid subgroups.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,062
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,292
Écart entre enseignants0,280 · 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