Association of Attention-Deficit/Hyperactivity Disorder and Depression Polygenic Scores with Lithium Response: A Consortium for Lithium Genetics Study
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.
Notice bibliographique
Résumé
Response to lithium varies widely between individuals with bipolar disorder (BD). Polygenic risk scores (PRSs) can uncover pharmacogenomics effects and may help predict drug response. Patients (<i>N</i> = 2,510) with BD were assessed for long-term lithium response in the Consortium on Lithium Genetics using the Retrospective Criteria of Long-Term Treatment Response in Research Subjects with Bipolar Disorder score. PRSs for attention-deficit/hyperactivity disorder (ADHD), major depressive disorder (MDD), and schizophrenia (SCZ) were computed using <i>lassosum</i> and in a model including all three PRSs and other covariates, and the PRS of ADHD (β = −0.14; 95% confidence interval [CI]: −0.24 to −0.03; <i>p</i> value = 0.010) and MDD (β = −0.16; 95% CI: −0.27 to −0.04; <i>p</i> value = 0.005) predicted worse quantitative lithium response. A higher SCZ PRS was associated with higher rates of medication nonadherence (OR = 1.61; 95% CI: 1.34–1.93; <i>p</i> value = 2e−7). This study indicates that genetic risk for ADHD and depression may influence lithium treatment response. Interestingly, a higher SCZ PRS was associated with poor adherence, which can negatively impact treatment response. Incorporating genetic risk of ADHD, depression, and SCZ in combination with clinical risk may lead to better clinical care for patients with BD.
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 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 | 0,000 |
| 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 découle