MétaCan
Menu
Retour à la cohorte
Enregistrement W4205120988 · doi:10.1097/med.0000000000000708

Polygenic risk scores for the diagnosis and management of dyslipidemia

2022· article· en· W4205120988 sur OpenAlexaff

Notice bibliographique

RevueCurrent Opinion in Endocrinology Diabetes and Obesity · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic Associations and Epidemiology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPolygenic risk scoreDyslipidemiaIdentification (biology)Risk assessmentMultifactorial InheritanceMEDLINEGenetic variants

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: To review current progress in the use of polygenic risk scores for lipid traits and their use in the diagnosis and treatment of lipid disorders. RECENT FINDINGS: Inherited lipid disorders, including those causing extremes of low-density lipoprotein (LDL) cholesterol, high-density lipoprotein (HDL) cholesterol, or triglycerides were initially identified as monogenic traits, in which a single rare variant with large effect size is responsible for the phenotype. More recently, a polygenic basis for many lipid traits has also been identified. Patients with polygenic dyslipidemia can be identified through the use of polygenic risk scores (PRSs), which collapse information from a handful to several million genetic variants into a single metric. SUMMARY: PRSs for lipid traits may aid in the identification of the genetic basis for the lipid phenotype in individual patients, may provide additional information regarding the risk of cardiovascular disease, and could help in guiding therapeutic decision making.

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 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 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 enseignants0,029
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,308
Écart entre enseignants0,278 · 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 tête enseignante, 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Endocrinology Diabetes and ObesityMême sujetGenetic Associations and EpidemiologyTravaux en français237 207