Polygenic Risk Score for Coronary Artery Disease Improves the Prediction of Early-Onset Myocardial Infarction and Mortality in Men
Notice bibliographique
Résumé
Background: Several risk factors for coronary artery disease (CAD) have been described, some of which are genetically determined. The use of a polygenic risk score (PRS) could improve CAD risk assessment, but predictive accuracy according to age and sex is not well established. Methods: A PRS CAD including the weighted effects of >1.14 million single nucleotide polymorphisms associated with CAD was calculated in UK Biobank (n=408 422), using LDpred. Cox regressions were performed, stratified by age quartiles and sex, for incident myocardial infarction (MI) and mortality, with a median follow-up of 11.0 years. Improvement in risk prediction of MI was assessed by comparing PRS CAD to the pooled cohort equation with categorical net reclassification index using a 2% threshold (NRI 0.02 ) and continuous NRI (NRI >0 ). Results: From 7746 incident MI cases and 393 725 controls, hazard ratio for MI reached 1.53 (95% CI, 1.49–1.56; P =2.69×10 −296 ) per SD increase of PRS CAD . PRS CAD was significantly associated with MI in both sexes, with a stronger association in men (interaction P =0.002), particularly in those aged between 40 and 51 years (hazard ratio, 2.00 [95% CI, 1.86–2.16], P =1.93×10 −72 ). This group showed the highest reclassification improvement, mainly driven by the up-classification of cases (NRI 0.02 , 0.199 [95% CI, 0.157–0.248] and NRI >0 , 0.602 [95% CI, 0.525–0.683]). From 23 982 deaths, hazard ratio for mortality was 1.08 (95% CI, 1.06–1.09; P =5.46×10 −30 ) per SD increase of PRS CAD , with a stronger association in men (interaction P =1.60×10 −6 ). Conclusions: Our PRS CAD predicts MI incidence and all-cause mortality, especially in men aged between 40 and 51 years. PRS could optimize the identification and management of individuals at risk for CAD.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».