MétaCan
Menu
Retour à la cohorte
Enregistrement W4205491096 · doi:10.1101/2022.01.11.22268884

Educational attainment, health outcomes and mortality: a within-sibship Mendelian randomization study

2022· preprint· en· W4205491096 sur OpenAlexaff
Laurence J Howe, Humaira Rasheed, Paul Remy Jones, Dorret I. Boomsma, David M. Evans, Alexandros Giannelis, Caroline Hayward, John L. Hopper, Amanda Hughes, Hannu Lahtinen, Shuai Li, Penelope A. Lind, Nicholas G. Martin, Pekka Martikainen, Sarah E. Medland, Tim Morris, Michel G. Nivard, Jean‐Baptiste Pingault, Karri Silventoinen, Jennifer A. Smith, Emily A. Willoughby, James F. Wilson, Bjørn Olav Åsvold, Øyvind Næss, George Davey Smith, Jaakko Kaprio, Ben Brumpton, Neil M Davies

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesFaculty of Medicine and Health, University of SydneyNorwegian Institute of Public HealthNational Institutes of HealthNational Health and Medical Research CouncilAcademy of FinlandNorges ForskningsrådMedical Research CouncilUniversity of BristolHelse Midt-NorgeNorges Teknisk-Naturvitenskapelige UniversitetStiftelsen Kristian Gerhard JebsenFakultet for medisin og helsevitenskap, Norges Teknisk-Naturvitenskapelige UniversitetEuropean Commission
Mots-clésMendelian randomizationEducational attainmentAssortative matingDemographyPopulationPopulation stratificationConfoundingMedicineBiologyGeneticsGenotypeSingle-nucleotide polymorphism

Résumé

récupéré en direct d'OpenAlex

Abstract Previous Mendelian randomization (MR) studies using population samples (population-MR) have provided evidence for beneficial effects of educational attainment on health outcomes in adulthood. However, estimates from these studies may have been susceptible to bias from population stratification, assortative mating and indirect genetic effects due to unadjusted parental genotypes. Mendelian randomization using genetic association estimates derived from within-sibship models (within-sibship MR) can avoid these potential biases because genetic differences between siblings are due to random segregation at meiosis. Applying both population and within-sibship MR, we estimated the effects of genetic liability to educational attainment on body mass index (BMI), cigarette smoking, systolic blood pressure (SBP) and all-cause mortality. MR analyses used individual-level data on 72,932 siblings from UK Biobank and the Norwegian HUNT study and summary-level data from a within-sibship Genome-wide Association Study including over 140,000 individuals. Both population and within-sibship MR estimates provided evidence that educational attainment influences BMI, cigarette smoking and SBP. Genetic variant-outcome associations attenuated in the within-sibship model, but genetic variant-educational attainment associations also attenuated to a similar extent. Thus, within-sibship and population MR estimates were largely consistent. The within-sibship MR estimate of education on mortality was imprecise but consistent with a putative effect. These results provide evidence of beneficial individual-level effects of education (or liability to education) on adulthood health, independent of potential demographic and family-level confounders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut 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 seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,072
Tête enseignante GPT0,388
Écart entre enseignants0,316 · 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 source (Gemma direct ou Codex distillé), 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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetBirth, Development, and HealthTravaux en français237 207